通用量子Transformer
提出一種名為通用量子Transformer（UQT）的量子計算架構，利用多量子比特系統的物理特性實現精確數學推理，在5量子比特上完美學習模運算與非交換代數，超越經典網絡。
來自arXiv:2606.00045的最新論文介紹了通用量子Transformer（UQT），這是一種全新的量子原生計算架構。與經典連續空間神經網絡依賴大量參數來近似離散對稱不同，UQT直接利用多量子比特系統的物理性質作為歸納偏置，實現精確的數學和代數推理。該架構完全基於參數化幾何相位嵌入和SU(2)波干涉，而非翻譯經典神經網絡機制。研究人員展示了量子注意力電路在僅5個量子比特的緊湊基底上，完美學習了兩類高度不同的形式類：循環模算術（Z11）和非阿貝爾代數（S4置換羣）。經典注意力網絡在收斂時表現出隨機不穩定性，而UQT實現了數學上精確的確定性泛化，作者將這一現象稱為'結晶化'，超越了著名的'頓悟'（grokking）現象。關鍵的是，該框架理論繞過了經典自注意力的二次瓶頸，並將所需表徵維度對數壓縮，消除了經典網絡固有的過度參數化。最後，研究團隊在噪聲中等規模量子（NISQ）硬件上部署了該架構，證明了其在當前IBM量子計算機上的可行性。這些結果確立了參數化量子拓撲作為精確人工智能的普遍優越物理基底。