【复数表达】CNM: An Interpretable Complex-valued Network for Matching

1. 简介

论文：https://arxiv.org/pdf/1904.05298v1.pdf
代码：https://github.com/wabyking/qnn.git

2. 动机

2.1 启发

量子物理认为微观粒子可以同时处于不同的状态（量子叠加），这种有别于经典物理的常识，比如在没有观测之前，人们难以想象一个同时处于死了和或者的猫。不仅如此，一对纠缠粒子可以在相聚很远的时候，其中一个粒子的测量的结果可以影响到与之纠缠的另外一个粒子。

从量子物理发展来描述物理系统中的不确定的数学语言，是否对语言的形式化描述也有所裨益？这是本文关心的问题。在语言本身，词语存在一些不确定性，比如 apple 这个英文单词可以是一种水果，也可以一个生产 iPhone 和 Mac 的公司。如果把水果和生产 iPhone 和 Mac 的公司定义成基本语义单元，那么 apple 这个词就可以认为是这些基本语言单元的叠加态。

因此本文提出来一种基于复数表达的可解释性的匹配网络，源自量子力学中概率驱动网络来做预测。本质上思路可分为两点：

• 由量子概率驱动网络来做预测
• 在希尔伯特空间状态来表达不同粒度的语言单元。
  关于希尔伯特，其本质就是复数表达域。空间关系见下图，可以看到欧式空间和希尔伯特空间都属于内积空间。
  

所提到的可解释性体现在两方面：

• 模型怎么工作
• 神经网络学习到了什么？

2.2 知识补充

现实中物理可实现的信号都是实信号，实信号的频谱具有共轭对称性，即正负频谱的幅度相等，相位相反。如果只取信号的正频部分$z(t)$，则$z(t)$称为信号