Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/66896

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorPAULA NETO, Fernando Maciano de-
dc.contributor.authorVASCONCELOS FILHO, Sérgio de-
dc.date.accessioned2025-11-18T13:40:29Z-
dc.date.available2025-11-18T13:40:29Z-
dc.date.issued2025-07-30-
dc.identifier.citationVASCONCELOS FILHO, Sergio de. Expressividade e emaranhamento de circuitos quânticos variacionais: uma análise em bases de sentimento. 2025. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/66896-
dc.description.abstractCircuitos Quânticos Variacionais (CQV) são uma abordagem promissora para o Processamento de Linguagem Natural Quântico. Contudo, persiste uma lacuna entre as propriedades teóri cas dos circuitos, como expressabilidade e emaranhamento, e seu desempenho empírico. Esta dissertação investiga sistematicamente essa relação na tarefa de análise de sentimentos, ava liando o impacto da representação de entrada e comparando com benchmarks clássicos. Para tal, foram avaliadas 15 arquiteturas de CQV em baixa (L = 1) e alta (L = 10) profundi dade, quantificando-se sua expressabilidade e poder de emaranhamento. Os modelos foram testados em quatro bases de dados (três sintéticas e a pública Stanford Sentiment Treebank- SST) utilizando diferentes embeddings e dimensionalidades. A performance (métrica F1) foi comparada a 7 modelos clássicos e 26 configurações de ensembles com validação estatística. Os resultados confirmam que emaranhamento e profundidade adequada são requisitos para o desempenho em cenários complexos; o aumento da profundidade de L = 1 para L = 10 foi fundamental para a performance dos circuitos emaranhadores, que também demonstraram maior robustez à redução de dimensionalidade. Contudo, os modelos clássicos de referência, notadamente as Máquinas de Vetores de Suporte, apresentaram desempenho superior na base SST, não sendo observada uma vantagem quântica. Em contrapartida, nas bases sintéticas, di versos modelos quânticos profundos alcançaram desempenho estatisticamente equivalente aos melhores benchmarks clássicos, evidenciando sua competitividade. Este trabalho estabelece, portanto, uma ponte empírica entre teoria e prática no projeto de CQVs, validando a relevância do emaranhamento e da profundidade e fornecendo diretrizes para arquiteturas quânticas mais eficazespt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectAprendizagem de máquina quânticapt_BR
dc.subjectCircuitos quânticos variacionaispt_BR
dc.subjectAnálise de sentimentospt_BR
dc.subjectProcessamento quântico de linguagem naturalpt_BR
dc.subjectEmaranhamento quânticopt_BR
dc.titleExpressividade e emaranhamento de circuitos quânticos variacionais: uma análise em bases de sentimentopt_BR
dc.typemasterThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/0318427675704006pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestrado profissionalpt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9643216021359436pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxVariational Quantum Circuits (VQCs) are a promising approach for Quantum Natural Lan guage Processing. However, a gap persists between the theoretical properties of circuits, such as expressibility and entanglement, and their empirical performance. This dissertation system atically investigates this relationship in the sentiment analysis task, evaluating the impact of the input representation and comparing against classical benchmarks. To this end, 15 VQC architectures were evaluated at low (L = 1) and high (L = 10) depth, quantifying their expressibility and entanglement power. The models were tested on four datasets (three syn thetic and the public Stanford Sentiment Treebank- SST) using different embeddings and dimensionalities. Performance (F1-score) was compared to 7 classical models and 26 ensemble configurations with rigorous statistical validation. The results confirm that entanglement and adequate depth are requirements for performance in complex scenarios; the increase in depth from L = 1 to L =10 was fundamental for the performance of entangling circuits, which also demonstrated greater robustness to dimensionality reduction. However, the classical reference models, notably Support Vector Machines, showed superior performance on the SST dataset, and no quantum advantage was observed. In contrast, on the synthetic datasets, several deep quantum models achieved a performance statistically equivalent to the best classical bench marks, showcasing their competitiveness. This work, therefore, establishes an empirical bridge between theory and practice in VQC design, validating the relevance of entanglement and depth and providing guidelines for more effective quantum architecturespt_BR
Aparece en las colecciones: Dissertações de Mestrado Profissional - Ciência da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DISSERTAÇÃO Sergio de Vasconcelos Filho.pdf1.18 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons