[論文レビュー] Grammar-Aware Question-Answering on Quantum Computers.

Konstantinos Meichanetzidis, Alexis Toumi+2 more|arXiv (Cornell University)|Dec 7, 2020

Quantum Computing Algorithms and Architecture参考文献 44被引用数 24

ひとこと要約

本論文は、ノイズの多い中規模量子（NISQ）ハードウェア上で、文法に配慮した質問応答システムの実装を初めて提示する。パラメータ化された量子回路を用いて語の意味を符号化し、エンタングルメント操作を介して文法的構造を明示的に表現する。このアプローチは、将来の量子優位性の可能性を秘めた、スケーラブルでNISQに適した量子自然言語処理のフレームワークを示している。

ABSTRACT

Natural language processing (NLP) is at the forefront of great advances in contemporary AI, and it is arguably one of the most challenging areas of the field. At the same time, with the steady growth of quantum hardware and notable improvements towards implementations of quantum algorithms, we are approaching an era when quantum computers perform tasks that cannot be done on classical computers with a reasonable amount of resources. This provides a new range of opportunities for AI, and for NLP specifically. Earlier work has already demonstrated a potential quantum advantage for NLP in a number of manners: (i) algorithmic speedups for search-related or classification tasks, which are the most dominant tasks within NLP, (ii) exponentially large quantum state spaces allow for accommodating complex linguistic structures, (iii) novel models of meaning employing density matrices naturally model linguistic phenomena such as hyponymy and linguistic ambiguity, among others. In this work, we perform the first implementation of an NLP task on noisy intermediate-scale quantum (NISQ) hardware. Sentences are instantiated as parameterised quantum circuits. We encode word-meanings in quantum states and we explicitly account for grammatical structure, which even in mainstream NLP is not commonplace, by faithfully hard-wiring it as entangling operations. This makes our approach to quantum natural language processing (QNLP) particularly NISQ-friendly. Our novel QNLP model shows concrete promise for scalability as the quality of the quantum hardware improves in the near future.

研究の動機と目的

• 近い将来の量子ハードウェア上で自然言語処理タスクを実装する可能性を探ること。
• 既存の量子NLPアプローチにおける文法的構造モデリングの欠如に取り組むこと。
• ノイズの多い中規模量子（NISQ）デバイスと互換性のある量子NLPモデルを設計すること。
• 言語的構造の明示的符号化を通じて、NLPにおける量子優位性を実現できることを示すこと。
• 文法を量子回路設計に統合することで、スケーラブルな量子NLPの基盤を築くこと。

提案手法

• 文は、語が量子状態として符号化されるパラメータ化された量子回路として定式化される。
• 文法的構造は、構文的依存関係を反映するエンタングルメント操作をハードウェアに組み込むことで明示的にモデル化される。
• 語の意味は、アモニチュード符号化や類似手法を用いて量子状態に符号化される。
• 量子系の巨大な状態空間を活用し、曖昧性や下位概念関係（hyponymy）のような複雑な言語現象を表現する。
• このアプローチはノイズに強く、現在のNISQ時代の量子プロセッサに適しているように設計されている。
• 量子回路は、現在のハードウェア制約に適合するように、ゲート数と深さを最小限に抑えるように最適化されている。

実験結果

リサーチクエスチョン

• RQ1 現在のノイズの多い中規模量子ハードウェア上で、文法に配慮した自然言語処理を実装できるか？
• RQ2 構文的構造をどのように量子回路に忠実に符号化することで、NLP性能を向上させられるか？
• RQ3 純粋に意味論的なアプローチと比較して、明示的な文法符号化が量子NLPにどのような利点をもたらすか？
• RQ4 量子状態空間が曖昧性や下位概念関係のような言語現象をどの程度自然にモデル化できるか？
• RQ5 量子ハードウェアの精度とキュービット数の向上に伴い、このアプローチはどの程度スケーラブルに拡張できるか？

主な発見

• 提案されたQNLPモデルは、NISQハードウェア上で文法に配慮した質問応答を成功裏に実装し、これに類する初の実証である。
• エンタングルメント操作による文法的構造の明示的符号化が、モデルの表現力とNISQ互換性を向上させた。
• 量子状態空間の使用により、曖昧性や下位概念関係のような言語現象の自然なモデル化が可能になった。
• このアプローチは、量子ハードウェアの品質とコherー二ティの向上に伴い拡張可能に設計されている。
• このモデルは、古典的NLPでしばしば無視されがちな構文的構造を量子NLPに統合する実現可能な道筋を示している。
• このフレームワークは、特に検索や分類タスクにおいて、将来の量子優位性の可能性を示している。