量子科技中心_量科网

本文旨在介绍一种用于多模态学习的量子融合机制，并建立其理论和实证潜力。该团队提出的方法称为量子融合层（QFL），通过混合量子经典程序替代经典融合方案，该程序使用参数化量子电路来学习纠缠特征交互，而无需指数级参数增长。基于量子信号处理原理，量子组件以线性参数缩放高效地表示跨模态的高阶多项式交互，研究人员提供了一个QFL与基于低秩张量方法之间的分离示例，突显了潜在的量子查询优势。在仿真中，QFL在小型但多样的多模态任务上持续优于强大的经典基线，在高模态状态下改进尤为显著。这些结果表明，QFL提供了一种根本性新颖且可扩展的多模态融合方法，值得在更大系统上进行深入探索。