基于变分电路的量子对比单词嵌入 QuCoWE
量子物理
2025-11-14 v1 新兴技术
摘要
我们提出了 QuCoWE，一个学习量子单词嵌入的框架，通过训练浅层高效可变参数量子电路 PQCs 来实现对比 skipgram 目标。单词通过数据重载电路编码，相似度通过量子态保真度计算，并通过 logitfidelity 头部将得分与 SGNS (Noise Contrastive Estimation) 的 shiftedPMI 比例对齐。为保持可训练性，我们引入基于单量子比特纯度的纠缠预算正则化器，以缓解 barren plateaus。实验在 Text8 和 WikiText2 上表明，QuCoWE 在 WordSim353、SimLex999 和 SST2、TREC6 等内在和外在评估指标上，相较于 50-100 维经典基线实现了竞争性能，同时每 token 使用更少的学习参数。所有实验均在经典仿真中完成，我们分析了 depolarizing readout 噪声并包含 error mitigation hooks，包括 zero-noise extrapolation 和 randomized compiling，以便硬件部署。
引用
@article{arxiv.2511.10179,
title = {QuCoWE Quantum Contrastive Word Embeddings with Variational Circuits for NearTerm Quantum Devices},
author = {Rabimba Karanjai and Hemanth Hegadehalli Madhavarao and Lei Xu and Weidong Shi},
journal= {arXiv preprint arXiv:2511.10179},
year = {2025}
}