CIQuanta-PB · NISQ Runtime v1.0
Clyro Quantum Learning Machine
Framework híbrido clássico-quântico para otimização de subcamadas de atenção: ingress BPE, amplitude encoding no espaço de Hilbert, PQC com emaranhamento linear, dinâmica de mágnons (LLG), gradientes por parameter-shift e mitigação por extrapolação de ruído zero.
1 · Classical Ingress (CCC)
Tokenizador BPE + embeddings determinísticos + normalização L2
2 · Quantum Core — PQC de atenção
Amplitude encoding + RX/RY/RZ + emaranhamento linear CNOT
3 · Estado quântico
Distribuição sobre 16 estados base e Bloch de q0
4 · Dinâmica magnônica (LLG)
γ = 2.21e5 · α = 0.01 · Ms = 8e5
A precessão amortecida de Gilbert é usada como limitador de estado sobre as amplitudes, reduzindo dissipação térmica no cálculo da correlação entre tokens.
5 · Otimização híbrida (VQE + parameter-shift)
Gradiente analítico (θ ± π/2) — sem diferenças finitas
Execute um passo para extrair os gradientes analíticos.
6 · Error mitigation — Zero-Noise Extrapolation
Gate folding U → U U† U em λ = 1×, 2×, 3×
Erro residual após mitigação linear: 0.00030 · Richardson: 0.00728