En convertissant les phrases en circuits quantiques, « lambeq » accélère le développement d’applications pratiques de traitement quantique du langage naturel (QNLP) à mesure que les systèmes de calcul quantique évoluent
CAMBRIDGE, Angleterre, 15 octobre 2021 /PRNewswire/ — Cambridge Quantum (« CQ ») a annoncé aujourd’hui le lancement de la première boîte à outils et bibliothèque au monde pour le traitement quantique du langage naturel (QNLP). La boîte à outils s’appelle lambeq, du nom du regretté mathématicien et linguiste Joachim Lambek.
lambeq est la première boîte à outils logicielle de QNLP au monde capable de convertir des phrases en un circuit quantique. Elle est conçue pour accélérer le développement d’applications QNLP pratiques et réelles, telles que le l’automatisation du dialogue, l’analyse de textes, la traduction de langues, la synthèse vocale, la génération de langues et la bio-informatique.
lambeq a été publié en accès libre au profit de la communauté mondiale de l’informatique quantique et de l’écosystème en croissance rapide des chercheurs, développeurs et utilisateurs de l’informatique quantique. lambeq fonctionne de manière transparente avec TKET de CQ, la plateforme de développement de logiciels quantiques la plus importante et à la croissance la plus rapide au monde, qui est également entièrement en accès libre. Les développeurs de QNLP ont ainsi accès au plus large éventail possible d’ordinateurs quantiques.
lambeq a été conçue et développée par l’équipe de recherche en informatique quantique de CQ, basée à Oxford et dirigée par le directeur scientifique Bob Coecke, avec le scientifique chevronné Dimitrios Kartsaklis, Ph.D., en tant qu’architecte en chef de la plateforme. lambeq, et la QNLP plus largement, est le résultat d’un projet de recherche remontant à plus d’une dizaine d’années.
« Notre équipe a participé à des travaux fondamentaux qui explorent la manière dont les ordinateurs quantiques peuvent être utilisés pour résoudre certains des problèmes les plus complexes de l’intelligence artificielle » a déclaré M. Coecke. « Ce travail reposait sur des avancées dont j’étais à l’origine, ainsi que Steve Clark, aujourd’hui responsable de l’IA chez CQ, et d’autres personnes. Le traitement du langage naturel (NLP) est au cœur de ces recherches. Le lancement de lambeq est la prochaine étape logique après la publication, il y a quelques mois, qui a fourni les détails de la première mise en œuvre QNLP au monde par CQ sur des ordinateurs quantiques réels, et notre divulgation initiale des principes fondamentaux en décembre 2019. »
« Dans plusieurs articles publiés au cours de l’année écoulée », ajoute M. Coecke, « nous avons non seulement fourni des détails sur la manière dont les ordinateurs quantiques peuvent améliorer la NLP, mais aussi démontré que la QNLP est « native quantique », ce qui signifie que la structure compositionnelle qui régit le langage est mathématiquement la même que celle qui régit les systèmes quantiques. Cela permettra au final d’éloigner le monde du paradigme actuel de l’IA qui repose sur des techniques de force brute, opaques et approximatives. »
lambeq permet et automatise la conception et le déploiement d’expériences de la pratique NLP du type compositionnel-distributif (DisCo) que les scientifiques de CQ ont précédemment décrit. Cela signifie qu’il faut passer des diagrammes de syntaxe/grammaire, qui codent la structure d’un texte, à des réseaux tensoriels (classiques) ou à des circuits quantiques mis en œuvre avec TKET, prêts à être optimisés pour des tâches d’apprentissage automatique telles que la classification de textes. lambeq a une conception modulaire qui permet aux utilisateurs d’échanger des composants à l’intérieur et à l’extérieur du modèle et d’avoir une certaine flexibilité dans la conception de l’architecture.
lambeq fait disparaitre les obstacles à l’entrée pour les praticiens et les chercheurs qui se concentrent sur l’IA et les interactions homme-machine, potentiellement l’une des applications les plus importantes des technologies quantiques. TKET a acquis une base d’utilisateurs dans le monde entier, qui se compte maintenant en centaines de milliers. lambeq a le potentiel pour devenir la boîte à outils la plus importante pour la communauté de l’informatique quantique qui cherche à recourir aux applications QNLP qui font partie des marchés les plus importants pour l’IA. Un point essentiel qui est apparu récemment est que la pratique QNLP sera également applicable à l’analyse des séquences de symboles qui apparaissent en génomique ainsi qu’en protéomique.
Le groupe Merck, partenaire de lancement et l’un des premiers à adopter lambeq, a récemment publié un document de recherche sur la pratique QNLP dans le cadre d’un projet avec le programme d’innovation Quantum Entrepreneurship Laboratory de l’Université technique de Munich.
Thomas Ehmer, de l’IT Healthcare Innovation Incubator de Merck et cofondateur du Quantum Computing Interest Group, a déclaré : « L’utilisation des caractéristiques uniques de l’informatique quantique pour réaliser des découvertes fondamentales constitue une part importante de nos recherches chez Merck. Notre projet récemment divulgué en matière de QNLP avec des chercheurs de l’Université technique de Munich a révélé que les tâches de classification binaire de phrases utilisant des techniques QNLP peuvent obtenir des résultats comparables, même à ce stade, aux méthodes classiques existantes. De toute évidence, l’infrastructure entourant l’informatique quantique devra progresser avant que ces techniques puissent être utilisées à des fins commerciales. D’un point de vue critique, nous pouvons observer la manière dont l’approche employée dans la pratique QNLP ouvre la voie à une IA explicable, et donc à une intelligence plus précise qui est également responsable – ce qui est essentiel en médecine. »
« Il existe de nombreux travaux théoriques intéressants sur la pratique QNLP, mais la théorie est généralement éloignée de la pratique » a déclaré M. Kartsaklis. « Grâce à lambeq, nous donnons aux chercheurs la possibilité d’acquérir une expérience pratique sur les aspects expérimentaux de la QNLP, qui est actuellement un terrain totalement inexploré. Il s’agit d’une étape primordiale pour atteindre le point où les applications pratiques et réelles de la NLP sur le matériel quantique deviennent une réalité. »
lambeq a été publié comme référentiel Python conventionnel sur GitHub et est disponible ici : https://github.com/CQCL/lambeq. Les circuits quantiques générés par lambeq ont jusqu’à présent été exécutés et mis en œuvre sur des ordinateurs quantiques IBM et des dispositifs de la série H de Honeywell Quantum Solutions.
La boîte à outils est présentée par un rapport technique téléchargé sur arxiv disponible ici : https://arxiv.org/abs/2110.04236. Un article de blog plus accessible peut être consulté ici : https://medium.com/cambridge-quantum-computing/quantum-natural-language-processing-ii-6b6a44b319b2. Les demandes de renseignements techniques peuvent être adressées à lambeq-support@cambridgequantum.com.
Ces dernières années, les applications basées sur la NLP sont devenues omniprésentes dans tous les secteurs du monde, du service à la clientèle et de la technologie grand public aux soins de santé et à la publicité. Selon les analystes du secteur, le marché mondial de la NLP devrait atteindre $127,26 milliards de dollars d’ici 2028, avec un TCAC de près de 30 pour cent[1].
À propos de Cambridge Quantum
Fondé en 2014 et soutenu par certaines des plus grandes entreprises d’informatique quantique au monde, CQ est un leader mondial dans le domaine des logiciels et des algorithmes quantiques, permettant aux clients de tirer le meilleur parti du matériel d’informatique quantique qui évolue rapidement. CQ possède des bureaux en Europe, aux États-Unis et au Japon. Le 8 juin 2021, CQ a annoncé une fusion avec Honeywell Quantum Solutions, dont la clôture est prévue pour le quatrième trimestre 2021.
Pour plus d’informations sur CQ, veuillez vous rendre sur http://www.cambridgequantum.com et sur LinkedIn. Accédez au code source de lambeq, TKET, des liaisons Python et des utilitaires sur GitHub.
