arXiv cs.AI· Srikar Alla, Ali Shiri Sichani, Chi-Ren Shyu·· 10 天前AI 评分17
QEMFN：基于可训练纠缠的资源感知混合视觉语言融合网络
Quantum Entangled Multimodal Fusion Networks (QEMFN): Resource-Aware Hybrid Vision-Language Fusion via Trainable Entanglement
AI 导读
研究者提出量子纠缠多模态融合网络（QEMFN），一种将参数化纠缠作为结构化归纳偏置的混合量子-经典框架，在相同参数预算和冻结 CLIP 骨干下，于 COCO-5k 和 Flickr30k 上超越多层感知机、张量融合、FiLM、交叉注意力、紧凑 Transformer 及去量子化配对拓扑等经典融合基线。
正文 · AI 翻译
摘要：多模态视觉-语言系统通常通过拼接、注意力、双线性池化或张量交互等经典算子来融合图像和文本嵌入。我们提出量子纠缠多模态融合网络（QEMFN），这是一个混合量子-经典框架，引入参数化纠缠作为多模态融合的结构化归纳偏置。预训练的视觉和文本特征被投影到紧凑的潜在空间，编码为角度参数化的量子态，通过模态内和成对跨模态纠缠电路进行处理，并测量以生成用于检索的融合表示。在匹配的参数预算和相同的冻结 CLIP 主干下，QEMFN 在 COCO-5k 和 Flickr30k 上优于经典融合基线，包括多层感知机、张量融合、FiLM、交叉注意力、紧凑 Transformer 以及去量子化的成对拓扑类似物。消融套件将量子模块的贡献与周围的经典投影隔离开来，以量子为中心的分析报告了 Meyer-Wallach 纠缠能力、可表达性、相对于贫瘠高原边界的梯度方差，以及在控制训练进度下的熵-性能相关性，并附有对纠缠组件的干预研究。QEMFN 在基于射击的估计、噪声建模的模拟后端以及具有零噪声外推的真实超导设备上执行。这项工作不声称量子计算优势；贡献在于该框架以及受控的经验和以量子为中心的评估，将可训练的纠缠定位为一种可解释、硬件可执行的融合机制，其规模在当代设备上可及。
| 学科： | 人工智能（cs.AI）；量子物理（quant-ph） |
| 引用为： | arXiv:2610.08216 [cs.AI] |
| （或 arXiv:2610.08216v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08216 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Ali Shiri Sichani [查看电子邮件]
[v1]
2026年10月6日星期二 12:08:58 UTC（408 KB）
来源：arXiv cs.AI · arxiv.org