Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning
门控QKAN-FWP：可扩展的量子启发序列学习
机构 * Department of Physics and Center for Theoretical Physics, National Taiwan University（物理系与理论物理中心，国立台湾大学） ； National Center for High-Performance Computing, National Institutes of Applied Research（高性能计算国家中心，应用研究国家机构） ； Wells Fargo, New York, NY, USA（摩根大通银行，纽约，纽约州，美国） ； NVIDIA AI Technology Center, NVIDIA Corp., Taipei, Taiwan（NVIDIA AI技术中心，NVIDIA公司，台北，台湾） ； Center for Quantum Science and Engineering, National Taiwan University（量子科学与工程中心，国立台湾大学） ； Graduate Institute of Applied Physics, National Taiwan University（应用物理研究所，国立台湾大学） ； Department of Electrophysics, National Yang Ming Chiao Tung University（电子物理系，国立阳明交通大学） ； School of Information Technology, Halmstad University（信息科技学院，哈尔姆斯塔德大学） ； Department of Information Engineering, Electronics and Telecommunications (DIET), University of Rome “La Sapienza”, Rome, Italy（信息工程、电子与电信系（DIET），罗马“拉·索拉维亚”大学，罗马，意大利） ； Beth Israel Deaconess Medical Center & Harvard Medical School（贝瑟尔以色列德acons医疗中心及哈佛医学院） ； Cross College Elite Program, National Cheng Kung University（跨学院精英计划，国立成功大学）
AI总结 提出门控QKAN-FWP框架，融合快速权重编程与量子启发KAN，使用单量子比特数据重上传电路作为非线性激活，引入标量门控更新规则，在时间序列基准、MiniGrid强化学习和太阳周期预测中优于经典循环模型，并在NISQ设备上验证了可行性。
Comments 46 pages, 13 figures, 10 tables
