本研究提出了一种分布式量子长短期记忆（QLSTM）框架，旨在解决NISQ设备的可扩展性问题。QLSTM通过嵌入变分量子电路来捕捉长程时间依赖性，并在量子处理单元网络上执行小型子电路。实验结果表明，其在动态训练和收敛稳定性方面优于传统方法，展示了模块化分布式量子计算在大型序列建模中的潜力。

本研究探讨了西班牙方言中共同实例的分类困难，提出通过动态训练自动检测共同实例，以提高方言识别模型的准确性和公平性。研究引入了带有共同实例注释的古巴西班牙方言数据集，首次关注加勒比地区方言识别。