近日，百度量子计算研究所与悉尼科技大学团队提出了一种量子自注意力神经网络(QSANN)架构，或可扩展到大规模数据集。相关论文发表于arXiv，尚未经同行评议。量子计算在解决优化、密码学、化学和量子自然语言处理(QNLP)等领域的复杂问题具有较大潜力，但量子自然语言处理的现有方法需要大量资源的句法分析，以及针对不同句法句子结构的参数化量子电路。因此限制了其拓展性、灵活性和实用性，特别是在处理大规模数据集方面。研究人员表示在文本分类任务中，前述QSANN架构将优于现有基于句法分析的量子自然语言处理模型和经典的自注意力神经网络。