在这篇论文中，我们介绍了 PhasorFlow，一个开源的 Python 库，用于在 $S^1$ 单位圆上进行计算。输入被编码为复数相量 $z=e^{i\phi}$，在 $N$-torus ($\mathbb{T}^N$) 上进行计算。
随着计算通过单位波干涉门的进行，整体范数得以保持，而组件则漂移至 $\mathbb{C}^N$，使得算法能够利用连续的几何梯度。
PhasorFlow 主要有三个贡献。首先，我们正式化了相量电路模型（$N$ 线程，$M$ 门），并提供了一个涵盖标准单位、非线性、神经形态及编码操作的 22 门库，支持全矩阵代数模拟。
其次，我们引入了变分相量电路（VPC），这是一种可训练的相位原生分类器，与变分量子电路类似。最后，我们引入了相量变换器块和大型相量模型（LPM），用无参数的 DFT 令牌混合层替代 $QK^TV$ 注意力机制。
我们在金融波动检测、神经形态联想记忆、神经绑定、周期查找和算法逻辑应用等方面验证了该框架的有效性，这些应用是该库独有的。这使得单位圆计算成为一种确定性的、轻量级的经典硬件计算范式。可访问 PhasorFlow GitHub。
博主点评： PhasorFlow 的出现为单位圆计算提供了新的视角，结合了量子电路的灵活性与经典计算的稳定性，尤其在金融和神经形态计算领域的应用潜力巨大，值得开发者深入探索。