量子科技中心_量科网

量子计算正在快速发展，从云量子处理器到高吞吐量GPU模拟器，使得在超越玩具任务的原型量子自然语言处理变得及时可行。然而，设备仍然受到量子比特限制和深度限制，训练可能不稳定，且经典注意力机制计算和内存消耗巨大。这促使开发紧凑、相位感知的量子令牌混合器，以稳定振幅并扩展到长序列。该研究团队提出CLAQS，一种用于文本分类的紧凑型全量子令牌混合器，在统一的量子电路中共同学习复数值混合和非线性变换。为实现稳定的端到端优化，该工作应用L1归一化来调节振幅缩放，并引入两阶段参数化量子架构，将共享令牌嵌入与窗口级量子前馈模块解耦。在滑动窗口机制下进行文档级聚合，CLAQS仅需八个数据量子比特和浅层电路，却在SST-2数据集上达到91.64%的准确率，在IMDB数据集上达到87.08%的准确率，优于经典Transformer基线和强大的混合量子-经典对应方法。