En 2020, el equipo de Quantinuum con sede en Oxford realizó Quantum Natural Language Processing (QNLP) en hardware cuántico de IBM [1, 2]. La clave para haber podido lograr lo que se concibe como una tarea basada en gran medida en los datos es la observación de que la teoría cuántica y el lenguaje natural se rigen por gran parte de la misma estructura compositiva, también conocida como estructura tensorial.
Por lo tanto, nuestro modelo de lenguaje es, en cierto sentido, nativo cuántico, y proporcionamos una analogía con la simulación de sistemas cuánticos en términos de aceleración algorítmica [próximamente]. Mientras tanto, hemos hecho que todo nuestro software esté disponible en código abierto y con soporte [github.com/CQCL/lambeq].
La combinación de composición entre el lenguaje natural y el cuántico se extiende a otros dominios además del lenguaje, y argumentan que una nueva generación de IA puede surgir cuando se impulsa por completo esta analogía, mientras se explota la integridad de la mecánica cuántica categórica/cálculo ZX [3, 4, 5] para propósitos de razonamiento novedosos que van de la mano con el aprendizaje automático moderno.
[Contenido incrustado]
