2020年5月，研究组博士后赵琴的论文《A Quantum Expectation Value Based Language Model with Application to Question Answering》在《Entroy》期刊发表。

量子启发的语言模型由于其透明性和可解释性日益受到人们的关注。尽管已经取得了令人兴奋的进展，但是目前的工作主要研究语义希尔伯特空间中不同句子子空间的密度矩阵之间的相关性。而作为整个体系的具有独特密度矩阵的语义希尔伯特空间尚且缺乏探索。本文提出了一种新颖的基于量子期望值的语言模型（QEV-LM）。在此量子模型中，语义希尔伯特空间拥有一个唯一的共享密度矩阵，单词和句子被视为不同的可观察量。在这种背景下，问答对的相似性匹配分数自然地被赋予了相应的物理意义，即联合问答可观测量的量子期望值。除了理论上的可解释性之外，在TREC-QA和WIKIQA数据集上的实验结果显示这一模型计算效率高、性能好、耗时少。

《Entroy》期刊由MDPI出版，SCI影响因子2.494。

论文链接：https://www.mdpi.com/1099-4300/22/5/533