（全球TMT2020年12月11日讯）Cambridge Quantum Computing（剑桥量子计算公司，CQC）宣布，其在“意义感知”量子自然语言处理（QNLP）取得的早期发展基础上，确立QNLP是本征量子，相对传统计算机具有近期优势。
自然语言处理（NLP）处于当今人工智能技术发展的最前沿，可以说是该领域最具挑战性的子领域之一。对于传统计算机，“意义感知” NLP仍遥不可及。
而量子硬件的不断发展和量子算法实现的显着改进意味着，我们正即将跨入一个全新的时代，届时量子计算机或能以合理资源量重复执行无法在传统计算机上完成的重要日常任务。
在arXiv（电子预印本科技文献库）上发布的多篇论文中，CQC的科研人员以量子计算机科研人员熟悉的表达方式，提供了near-term QNLP研究的概念和数学基础。其中，基础论文通过一般性数学工具，以说明文文体撰写。
牛津大学Bob Coecke教授及其团队力求规范地将语义与丰富的语言结构（尤其是语法）结合，他们证明了量子计算机可以实现“意义感知”的NLP，从而将QNLP确立为本征量子，达到量子系统模拟水准。此外，用于在量子硬件（变分量子电路）上进行传统数据编码的领先中等规模带噪声量子（NISQ）范例使得NISQ对QNLP非常友好。
CQC的团队先前已确立QNLP任务量子加速机制，并以诸多方式展示NLP的潜在量子优势，包括通过算法加速机制应用于搜索相关或分类任务（NLP中最主要的任务之一），通过利用巨大量子态空间容纳复杂的语言结构，以及通过新颖意义模型充分利用密度矩阵。
在随基础论文一并发表的实验论文中，CQC详细描述了其如何首次实现在两台高级IBM量子计算机上运行NLP任务。作为IBM Quantum Network的枢纽之一，CQC有权限访问上述两台计算机。句子被实例化为参数化量子电路，单词含义则被编码为量子态。CQC科研人员忠实地将语法结构作为纠缠运算进行硬连线，对其进行了清晰的考虑，这即使在主流NLP中也不常见。这使得CQC的QNLP方法对NISQ特别友好。随着量子硬件质量的提高，这种新颖的QNLP模式展现出实实在在的可扩展前景。
