通用量子變換器：實現精確數學推理的量子計算新架構

研究論文提出了一種名為「通用量子變換器」的量子原生計算架構，旨在解決傳統連續空間神經網路在學習模運算、非交換代數等精確數學對稱性時的根本困難。傳統方法往往依賴龐大的參數擴充來近似這些離散邏輯規則，即便經歷了被稱為「grokking」的延遲泛化現象，仍可能面臨隨機不穩定性。而通用量子變換器（UQT）完全基於多量子位系統的物理特性，透過參數化幾何相嵌入與SU(2)波函數干涉，建構了全新的計算架構。論文在僅有5個量子位的緊湊基板上驗證，UQT 能完美學習循環模運算（Z11）及非阿貝爾代數（S4置換群）。相較於經典注意力網路在收斂時表現出的隨機不穩定性，UQT 實現了數學上完全確定性的泛化，並將此現象稱為「結晶化」。此外，架構在理論上繞過了經典自注意力的二次方瓶頸，並對數壓縮所需的表示維度，從而消除了傳統網路固有的大規模過參數化問題。論文最終將此架構部署於嘈雜中等規模量子硬體，在現有的 IBM Quantum 電腦上證明了其可行性。