量子变换器综述：架构、挑战与展望

量子变换器将经典变换器的表征能力与量子计算的计算优势相结合。自 2022 年以来，该领域的研究迅速扩展，产生了多样化的技术范式和早期应用。为满足日益增长的整合需求，本文呈现了第一份全面、系统且深入的量子变换器模型综述。首先，我们界定研究范围，聚焦于利用量子方法改进变换器组件，并介绍经典变换器和量子机器学习的基础概念。然后我们将现有研究组织为两大范式：PQC 基础和 QLA 基础，其中 PQC 范式进一步细分为 QKV 仅量子映射、量子成对注意力、量子全注意力以及量子辅助优化，分析其核心机制和架构特征。我们还总结了展示初步量子优势的实证结果，特别是在小规模任务或资源受限设置上。此后，我们审视关键技术挑战，如复杂度-资源权衡、可扩展性与泛化局限性，以及可训练性问题（包括贫瘠高原），并提供了潜在解决方案，包括以更低复杂度量子化经典变换器变体、混合设计以及改进的优化策略。最后，我们提出了若干有前景的未来方向，例如将量子模块扩展为大型架构、将量子变换器应用于固有量子数据领域（如物理、化学），以及发展基于量子信息科学的理论驱动设计。本综述将帮助研究人员和实践者快速把握当前量子变换器研究的整体格局，并促进这一新兴领域的未来发展。