迈向句法迥异语言的量子机器翻译
计算与语言
2023-08-01 v1 人工智能
摘要
本研究旨在探索在含噪声中等规模量子（NISQ）设备上使用量子自然语言处理算法进行语言翻译的可行性。自然语言处理（NLP）中的经典方法难以应对复杂语言任务所需的大规模计算，但 NISQ 设备上的量子 NLP 有望利用量子并行性与纠缠来高效处理和分析海量语言数据，从而可能革新 NLP 应用。我们的研究致力于为量子神经机器翻译铺平道路，其未来可能相较经典方法具备优势。我们采用香农熵来证明参数化量子电路中某些适当旋转门角度在性能方面的显著作用。特别地，我们利用这些角度（参数）作为不同语言量子电路间的通信手段。为实现目标，我们采用经典神经网络的编码器-解码器模型，并使用长短期记忆（LSTM）实现翻译任务。我们的实验包含 160 个英文句子及其波斯语译文的样本。我们以随机梯度下降（SGD）作为主要优化器训练模型，随后结合另外两种优化器与 SGD 一同使用。值得注意的是，通过训练由两层 LSTM 组成并使用 Adam 优化器的最佳模型，我们取得了最优结果——平均绝对误差 0.03、均方误差 0.002 及损失 0.016。尽管我们的小数据集仅由具有逐词映射的简单同义句构成，但其指出了香农熵作为更复杂机器翻译模型中处理复杂句子结构的优良性度量指标的效用。
引用
@article{arxiv.2307.16576,
title = {Toward Quantum Machine Translation of Syntactically Distinct Languages},
author = {Mina Abbaszade and Mariam Zomorodi and Vahid Salari and Philip Kurian},
journal= {arXiv preprint arXiv:2307.16576},
year = {2023}
}
备注
27 pages, 10 figures