量子视觉 Transformer（QViTs）的实证扩展定律

量子视觉 Transformer（QViTs）的数值图像分类实验表明，其验证损失可由量子比特数、Transformer 深度和训练数据集大小构成的联合平移幂律模型良好描述。在等效预测性能下，增加量子比特数能够弥补经典编码器参数量的减少。该发现印证了量子学习模型在参数效率上的优势，为量子机器学习探索资源节省提供了新方向。