提出量子Grade-Aware Transformer用于喷注标记

Pallavi Bhardwaj 与 Michael Spannowsky 发布论文，提出 QGrAT（Quantum Grade-Aware Transformer），一种将时空 Clifford 代数分级几何特征融入量子 Transformer 注意力机制、并通过三粒子辅助量子比特显式建模三粒子关联的喷注标记（Jet Tagging）架构。 在 Top Tagging 基准的态矢量模拟评估中，每喷注取十个组分、使用 0-3 级并带三粒子辅助比特的配置需要十二个量子比特和 144 个可训练参数，AUC 达 0.944±0.002。论文称该性能在与 L-GATr-Slim 基线相同的组分数和参数预算下具有竞争力。结果目前仅基于模拟，尚未在真实量子硬件上验证。

AI 根据报道生成 · 4 小时前更新