Bài báo này trình bày một phương pháp nhúng dữ liệu cổ điển vào không gian Hilbert bằng cách sử dụng mã hóa khối lượng tử vectơ hóa, qua đó cải thiện hiệu quả của các mô hình lượng tử như Biến áp Lượng tử (QT), thay thế các cơ chế tự chú ý cổ điển bằng mô phỏng mạch lượng tử. Các QT thông thường dựa trên các mạch lượng tử được tham số hóa sâu (PQC), dễ bị nhiễu QPU và bị suy giảm hiệu suất. Trong bài báo này, chúng tôi đề xuất một biến áp lượng tử vectơ hóa (VQT), cho phép đào tạo hiệu quả thông qua bộ mã hóa lượng tử phi tuyến tính vectơ hóa và hỗ trợ tính toán ma trận chú ý che lý tưởng thông qua mô phỏng xấp xỉ lượng tử. Điều này đạt được mô phỏng mạch lượng tử (QCS) hiệu quả về số lần bắn, không có gradient với chi phí lấy mẫu cổ điển giảm. So sánh độ chính xác của các mô phỏng mạch lượng tử trên IBM và IonQ, và đánh giá chuẩn các tác vụ xử lý ngôn ngữ tự nhiên trên QPU Kingston độ trung thực cao hiện đại của IBM, chúng tôi chứng minh các kết quả cạnh tranh. Phương pháp VQT quy mô trung bình, thân thiện với lượng tử, chống nhiễu này trình bày một kiến trúc mới cho học máy đầu cuối trong điện toán lượng tử.
