快速阅读: 1月18日消息，芬兰金融物理实验室团队首次在真实量子硬件上实现语义相似度的量子化评估。该团队通过将语言嵌入映射为量子态并利用干涉效应分析，验证了该方法在现有设备下的可行性，虽未超越经典计算性能，但为量子与自然语言处理融合提供了早期实证路径。
一项新研究显示，量子电路可用于评估语言模型中两段文本的语义相似程度。相关成果已发表于《应用科学与技术开放获取期刊》，并在真实量子硬件上完成实验验证。
该研究由芬兰金融物理实验室的蒂莫·奥古斯蒂·莱恩主持，聚焦技术可行性而非性能优势。其核心思路是将经典语言模型生成的句子嵌入映射为量子态，并借助量子干涉效应进行分析，从而替代传统的线性代数方法。尽管在速度或精度上尚未超越经典计算，但这是首次在现有机型上实现语义相似度的量子化评估。
语义相似度是搜索、检索和推荐系统的关键操作，通常通过余弦相似度衡量。经典模型将句子转化为高维数值向量，以捕捉主题、语气和意图等多重语义特征。新方法则引入量子力学中的“相位”概念，使数值不仅包含大小，还具备波的干涉特性。
研究人员将嵌入向量的分量映射为量子振幅，利用简单量子门生成干涉图案，其测量概率可反映语义对齐程度。多次运行后，通过统计结果估算相似性。实验采用谷歌Sentence Transformer模型生成的嵌入，在真实量子计算机上完成，而非软件模拟。
受限于当前量子设备的规模与稳定性，实验仅处理低维分量，尚未覆盖完整嵌入向量。但结果证实，语言嵌入向量子电路的映射在现有硬件条件下具备物理可实现性。这一进展为量子计算与自然语言处理的融合提供了早期实证范例。
研究团队通过调整量子电路结构，在测量前引入额外的相位旋转，分别估计复数余弦相似度的实部与虚部。这些测量结果共同反映了语义信息在量子态中的不同表征维度。
该方法并非追求与经典余弦相似度的数值精确匹配，而是利用量子干涉效应生成概率性指标，以捕捉语义关联。尽管未实现量子优势，但工作明确了现阶段可行的技术路径，为后续探索奠定基础。
论文指出，大型语言模型的语义嵌入可被编码为量子态，且不违反现有硬件约束。这为未来扩展算法或提升规模提供了参照。同时，研究呼应了“量子计算是否天然适配语言认知”的学术讨论，将相位与干涉机制与早期量子启发语义模型相衔接，并首次在真实量子设备上验证相关构想。
研究也坦承当前局限：主流语义嵌入常含数百至数千维，而现有量子处理器受限于量子比特数量与相干时间，难以完整编码。此外，测量噪声与硬件不稳定性导致结果存在波动，需谨慎解读。
该方法未在速度或成本上超越经典计算——传统余弦相似度本身已高度高效。其价值在于提供一种替代性表征框架，或能揭示实值向量难以捕捉的语义关系。
未来方向包括压缩语义信息以降低量子资源需求，以及探索相位表征是否更自然地刻画矛盾、歧义或语境变化等语言现象。研究亦引出更广泛问题：量子算法能否最终高效处理大规模嵌入数据库中的相似性检索，这一任务对检索增强生成系统至关重要。
(以上内容均由Ai生成)
引用自：TQI量子资讯网站
