در سال 2020، تیم Quantinuum مستقر در آکسفورد، پردازش زبان طبیعی کوانتومی (QNLP) را روی سخت‌افزار کوانتومی IBM انجام داد [1، 2]. نکته کلیدی برای دستیابی به آنچه که به عنوان یک وظیفه به شدت مبتنی بر داده تصور می شود، مشاهده این است که نظریه کوانتومی و زبان طبیعی توسط ساختار ترکیبی یکسانی - به نام ساختار تانسور - اداره می شوند.
از این رو، مدل زبان ما به یک معنا کوانتومی بومی است، و ما یک قیاس با شبیه‌سازی سیستم‌های کوانتومی از نظر افزایش سرعت الگوریتمی ارائه می‌کنیم [آینده]. در همین حال، ما همه نرم افزارهای خود را به صورت متن باز و با پشتیبانی [github.com/CQCL/lambeq] در دسترس قرار داده ایم.
تطابق ترکیبی بین زبان طبیعی و کوانتوم به حوزه‌های دیگری غیر از زبان گسترش می‌یابد، و استدلال می‌کند که نسل جدیدی از هوش مصنوعی می‌تواند در هنگام انجام کامل این قیاس ظاهر شود، در حالی که از کامل بودن مکانیک کوانتومی طبقه‌بندی / ZX-calculus [3، 4، 5] استفاده می‌کند. برای اهداف استدلالی جدید که با یادگیری ماشینی مدرن همراه است.
[محتوای جاسازی شده]
