一项开创性研究首次将量子组合自然语言处理（QNLP）应用于阿拉伯语，这一语言以其丰富的形态学和自由的词序著称，对量子电路中的意义组合理论构成了独特的挑战。该研究由Wajahath Mohammed主导，基于预群语法，将阿拉伯语句子转化为量子电路：主语、动词和宾语作为量子门，而它们之间的类型化依赖关系（即预群语法）决定了这些门如何连接。这种拓扑结构直接反映了语法关系，使得量子电路能够捕捉语言的组合意义。
研究团队设计了三项控制实验，分别针对词序变化、形态时态和动词义消歧。在词序实验中，他们测试了量子电路对不同词序句子的处理能力；在形态时态实验中，评估了模型对阿拉伯语丰富时态形态的识别；在动词义消歧实验中，考察了电路拓扑如何区分多义动词。实验结果表明，量子电路方法在多个任务上超越了传统的AraVec词嵌入和AraBERT Transformer模型，尤其是在动词义消歧中，拓扑结构更能准确捕捉语义差异。
该研究不仅展示了量子计算在自然语言处理中的潜力，也为处理复杂语言结构提供了新思路。预群语法的应用使得量子电路能够直接反映语法结构，从而在理论和实践上验证了量子组合语义的可行性。论文全文已在arXiv上发布，共32页，包含详细的实验数据和讨论。这项工作有望推动QNLP在形态丰富语言中的应用，并为未来量子NLP研究奠定基础。