变分量子电路中的组合概念泛化
人工智能
2025-09-12 v1
摘要
组合泛化是人类认知的关键方面, 但目前诸如视觉语言模型等 AI 工具尚未体现。以往工作考察了基于张量的句子语义是否能够克服这一挑战, 但结果并不乐观。我们推测, 量子模型的训练效率提升将改善此类任务的性能。我们将基于张量的模型在希尔伯特空间中的表示解释出来, 并在需要组合泛化的图像字幕任务上训练变分量子电路以学习这些表示。我们采用两种图像编码技术: 基于二进制图像向量的多热编码 (MHE) 以及来自视觉语言模型 CLIP 的图像向量的角度/幅度编码。我们使用噪声 MHE 编码取得了良好的概念验证结果。CLIPS 图像向量的表现较为混合, 但仍优于经典组合模型.
引用
@article{arxiv.2509.09541,
title = {Compositional Concept Generalization with Variational Quantum Circuits},
author = {Hala Hawashin and Mina Abbaszadeh and Nicholas Joseph and Beth Pearson and Martha Lewis and Mehrnoosh sadrzadeh},
journal= {arXiv preprint arXiv:2509.09541},
year = {2025}
}
备注
Accepted to: 2025 IEEE International Conference on Quantum Artificial Intelligence (QAI), Naples, Italy, Nov 2-5, 2025. This is the authors' accepted manuscript (AAM). An IEEE copyright notice appears on page 1. The final published version will appear in IEEE Xplore; DOI to be added when available