RiverONE: 시뮬레이션된 양자 기계를 활용한 지식 집약형 VLM 생성

RiverONE: Generating Knowledge-Intensive VLM by Simulated Quantum Machines

양자 컴퓨팅은 중첩, 얽힘 및 측정 유도 비선형 특성을 통해 고차원 정보를 표현하고 변환하는 강력한 패러다임을 제공합니다. 현재 양자 하드웨어는 대규모 시각-언어 모델(VLM) 추론에 아직 적합하지 않지만, 시뮬레이션된 양자 계산은 모델 구축 과정에서 구조화된 파라미터를 생성하여 소형 클래식 AI 시스템을 만들 수 있습니다. 본 논문에서는 시뮬레이션된 양자 계산을 활용하여 양자 보정 플롯 이해를 위한 경량 시각-언어 모델인 RiverONE을 개발했습니다. RiverONE은 특수하게 설계된 시각 인코더와 InternVL 기반의 언어 백본을 사용합니다. 압축으로 인한 정보 손실을 보완하기 위해, 양자 생성 파라미터를 도입했으며, 이는 학습 후 클래식 텐서로 구체화됩니다. 이를 통해 RiverONE은 양자 하드웨어나 런타임 양자 시뮬레이션 없이도 완전히 클래식 GPU에서 추론 작업을 수행할 수 있습니다. 약 19억 개의 파라미터로 구성된 RiverONE은 양자 보정 플롯 이해 작업에서 NVIDIA Ising Calibration 1의 성능의 95% 이상을 달성하면서, 파라미터 수는 10% 미만을 사용합니다. 이러한 결과는 시뮬레이션된 양자 계산이 경량화되고 지식 집약적인 과학 VLM을 구축하기 위한 실용적인 방법론으로 활용될 수 있음을 시사합니다. 저희 코드는 https://github.com/THeWakeSystems/RiverOne 에서 확인할 수 있습니다.

Quantum computing provides a powerful paradigm for representing and transforming high-dimensional information through superposition, entanglement, and measurement-induced nonlinear features. While current quantum hardware is not yet practical for direct large-scale vision-language model (VLM) inference, simulated quantum computation can be used during model construction to generate structured parameters for compact classical AI systems. We build RiverONE, a lightweight vision-language model for quantum calibration plot understanding, using simulated quantum computation. It employs a specialized visual encoder and an InternVL-based language backbone. To compensate for compression-induced information loss, we introduce quantum-generated parameters, which are materialized as classical tensors after training. This allows RiverONE to run entirely on classical GPUs at inference time, with no quantum hardware or runtime quantum simulation. With approximately 1.9 billion parameters, RiverONE achieves at least 95\% of the performance of NVIDIA Ising Calibration 1 on quantum calibration plot understanding tasks while using less than 10\% of its parameter count. These results suggest that simulated quantum computation can serve as a practical construction-stage mechanism for building lightweight, knowledge-intensive scientific VLMs. Our code is available at https://github.com/THeWakeSystems/RiverOne.