BARFI-Q：面向原子干涉仪的量子增强块注意残差融合框架用于多变量时间序列预测
量子物理
2026-05-08 v1
摘要
原子干涉仪产生由相位演化、条纹动力学、控制变量及辅助感测测量值构成的异构多变量时序数据流。准确预测这些信号对于预测性监控、相位校正以及智能量子感测至关重要，但需要有效建模其长程时序依赖关系以及多源感测信号之间的相互作用。本文提出了 BARFI-Q，即面向原子干涉仪的量子增强块注意残差融合框架，用于多变量时间序列预测。BARFI-Q 集成了基于补丁的嵌入、双分支时序建模、层次融合、自适应块注意残差聚合以及量子特征映射模块。与具有固定可加残差路径的常规 Transformer 预测模型不同，BARFI-Q 能够自适应重用跨深度信息，并通过量子特征映射来增强融合后的潜在表征。为尊重相位周期性，预测目标以圆环空间中的正弦与余弦分量表示。实验表明，BARFI-Q 在多次重复实验中以及不同历史窗口大小下均一致优于强基准模型。融合消融实验进一步确认了同时建模通道级与空间特征相互作用的优势。这些结果表明，多尺度时序学习、层次融合、自适应残差路由以及量子增强的潜在转换为原子干涉仪时间序列预测提供了有效框架。
引用
@article{arxiv.2605.05394,
title = {BARFI-Q: Quantum-Enhanced Block Attention Residual Fusion Framework for Multivariate Time-Series Forecasting in Atom Interferometry},
author = {Muhammad Bilal Akram Dastagir and Omer Tariq and Safaa Alqrinawi and Shaikha Al-Naimi and Ahmed Farouk and Saif Al-Kuwari},
journal= {arXiv preprint arXiv:2605.05394},
year = {2026}
}
备注
Preprint version, 11 figures, 7 tables