基于量子编码器-解码器注意力卷积变分电路的多语言机器翻译
计算与语言
2025-05-15 v1 人工智能
新兴技术
摘要
基于云的多语言翻译服务（如Google Translate和Microsoft Translator）实现了最先进的翻译能力。这些服务本质上使用大型多语言语言模型（如GRU、LSTM、BERT、GPT、T5）或带有注意力机制的类似编码器-解码器架构作为骨干。此外，新时代的自然语言系统（例如ChatGPT和DeepSeek）在自然语言处理的多个任务中展现了巨大潜力。同时，它们也具备出色的多语言翻译能力。然而，这些模型使用经典计算领域作为后端。QEDACVC（量子编码器-解码器注意力卷积变分电路）是一种替代解决方案，它探索量子计算领域而非经典计算领域，以研究和实现多语言机器翻译。QEDACVC引入了量子编码器-解码器架构，通过量子卷积、量子池化、量子变分电路和量子注意力作为软件更改，在量子计算硬件上进行模拟和运行。QEDACVC在OPUS数据集上接受英语、法语、德语和印地语语料库的多语言翻译训练时，实现了82%的准确率。
引用
@article{arxiv.2505.09407,
title = {Multilingual Machine Translation with Quantum Encoder Decoder Attention-based Convolutional Variational Circuits},
author = {Subrit Dikshit and Ritu Tiwari and Priyank Jain},
journal= {arXiv preprint arXiv:2505.09407},
year = {2025}
}
备注
12 pages, 12 figures