Future communication systems (6G and beyond) will witness a paradigm shift from communication-intensive systems towards intelligent computing-intensive architectures. A key research area that enables this transition is semantic communications, whereby the communication process conveys the meaning of messages instead of being a mere reconstruction process of raw, naive data bits. In this paper, a novel quantum semantic communications (QSC) framework is proposed to develop reasoning-based future communication systems with quantum semantic representations that are characterized with minimalism, efficiency, and accuracy. In particular, the concepts of quantum embedding and high-dimensional Hilbert spaces are exploited so as to extract the meaning of classical data. Moreover, in order to equip our approach with minimalism and efficiency, an unsupervised quantum machine learning (QML) technique, namely, quantum clustering is employed. Quantum clustering enables extraction of contextual information and distinct characterization of the semantics of the message to be conveyed. Subsequently, to successfully transmit the constructed semantic representations, quantum communication links are used to transfer the quantum states. This new QSC framework exploits unique quantum principles such as the minimalism of entangled photons, quantum-semantic entropy of noise, and quantum fidelity. Simulation results show that the proposed framework can save around 85\% of quantum communication resources, i.e., entangled photons, compared to semantic-agnostic quantum communication schemes. Results also show the benefits of increasing the number of dimensions on the expressivity of the semantic representations.


翻译:未来通信系统(6G及以后)将目睹从通信密集型系统向智能计算密集型结构的范式转变。使得这一转变得以实现的关键研究领域是语义通信,即通信过程传达信息的含义,而不是单纯的原始、天真数据位重建过程。在本文中,提出了一个新的量子语义通信(QSC)框架,以开发基于推理的未来通信系统,以量子语义表达形式为特征,以最小化、效率和准确性为特征。特别是,量子嵌入和高维度希尔伯特空间的概念被利用,以提取古典数据的含义。此外,为了使我们的方法具有最小化和效率,通信进程传达了信息的含义,而不是单纯的原始、天真的数据学习(QML)技术。量子组合可以提取背景信息,对传递的信息的语义描述进行明确定性。随后,将构建的语义表达的语义表达数量通信数量链接用于传输量质系状态。这个新的QSC框架利用了独特的量称原则,例如不断增长的量子通信计划的最小性、真实性图像图案,显示85的量态数据流结果。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
国家自然科学基金
1+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Classical surrogates for quantum learning models
Arxiv
0+阅读 · 2022年6月23日
Arxiv
23+阅读 · 2022年2月24日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
相关基金
国家自然科学基金
1+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员