Complementary Matrix-Gated QKAN Fast-Weight Programmers for Quantum Dynamics Forecasting
Kuo-Chung Peng, Samuel Yen-Chi Chen, Jiun-Cheng Jiang, Chen-Yu Liu, En-Jui Kuo, Yun-Yuan Wang, Tzung-Chi Huang, Prayag Tiwari, Chi-Sheng Chen, Chun-Hua Lin, Yu-Chao Hsu, Tai-Yue Li, Saif Al-Kuwari, Simon See, Kuan-Cheng Chen, Nan-Yow Chen, Hsi-Sheng Goan
quant-ph, cs.AI, cs.LG
2026-07-30
把量子启发 QKAN 快参数编程器的标量门换成低秩互补矩阵门（CMG）：逐坐标控制记忆、保住 prefix-scan 并行，七个基准 24/28 配置最优，量子动力学多步预测 MSE ≤ 9.3×10⁻⁴、较标量门改善 ≥91.2%。
这是一篇关于「量子启发」序列模型架构的工作，针对的不是大模型主流问题。它改进的是一种叫 fast-weight programmer（快参数程序员，FWP）的记忆机制：用一个慢网络去「编程」另一组随时间变化的快参数，把这些快参数当作记忆。基于量子启发的 Kolmogorov-Arnold 网络（QKAN）做的 FWP，能把上下文存进随时间变化的快参数里，绕开非线性循环更新里反复求值量子电路、沿时间逐步反向传播的昂贵开销。
但现有 gated QKAN-FWP 有个硬伤。它用一个标量门（scalar gate），把同一个「保留旧记忆 vs 写入新内容」的比例广播到快状态的所有坐标。结果是每个参数被迫共用同一个记忆时间尺度，没法让某些维度记长远、另一些记眼前。
作者提出两个改动。
第一个是自调制（Self-Modulating）QKAN-FWP：让慢网络生成低秩调制矩阵，对「新提案分支」、「旧状态分支」或两者做逐元素调制，替代标量广播。论文对比了四条规则：只调新分支（Only-new）、只调旧分支（Only-old，用 tanh 钳位）、两边都调（Full），以及本文主推的 CMG。
第二个、也是本文主推的 Complementary Matrix Gating（CMG，互补矩阵门控）：用同一个 sigmoid 矩阵门 G 保留旧状态，用它的补 1-G 写入新提案：
Θt = Gt ⊙ Θ{t-1} + (1 - Gt) ⊙ Δt
因为 G 是低秩生成的矩阵，每个坐标有自己的保留与写入比例，从而实现逐坐标的记忆时间尺度。关键在于这条更新仍然是「旧状态和新提案的有界凸组合」，并保持仿射结构，所以它依然能用 prefix scan（前缀扫描）并行计算，不必沿时间逐步反传。这是作者反复强调的卖点：拿到了逐坐标控制，没丢掉并行性，而且只付出单分支的调制头开销。
作者在七个单步预测基准、四个序列长度上，把四条自调制规则和标量门做了对照。全部 28 个配置（7×4）里，CMG 变体在其中 24 个取得最低 MSE。在快参数编程器里含 QKAN 模块的架构上，CMG 的提升最稳。
真正吃重的是多步预测。用 CUDA-Q Dynamics 模拟 Jaynes-Cummings 和 transmon-resonator 两种量子动力学，预测 4、8、16 步。CMG 模型在所有预测步数上 MSE 都不超过 9.3×10⁻⁴，相对各自的标量门基线至少改善 91.2%；在 transmon-resonator 上改善达到 99.9% 到 100%。对照之下，Only-new 规则会把性能拉差最多 223%。
参数效率上，CMG 在 QKAN-QKANFWP 上只需 gated 参数量的 139.3%，而 Full 自调制要 182.1%。
对做量子启发序列模型或 fast-weight programmer 的人，CMG 是个干净又便宜的升级：把标量门换成低秩矩阵门，拿到逐坐标记忆控制，同时保住 prefix scan 的并行性和有界凸更新的稳定性。这是它真正的价值区间。
冷水也要泼：这个受众很窄。量子启发的 FWP 远不是序列建模的主流，论文的基准也都是量子动力学（物理仿真）任务。对做通用时序或语言模型的人，这篇的直接借鉴价值有限。
作者承认，当前公式只面向单变量时间记忆，不显式建模变量间的空间结构，扩展到结构化的时空快状态是他们点名的下一步。读下来还有一点存疑：四条调制规则里 Only-new 在多步预测上明显不稳定（最多恶化 223%），说明这类逐元素调制的稳定性高度依赖具体规则；CMG 之所以好用，和它的「互补凸组合」形式强相关，换一种参数化未必成立。论文对此的消融解释偏少。