Presentamos una arquitectura híbrida de transformador de visión cuántico-clásico, notable por su integración de circuitos cuánticos variacionales dentro tanto del mecanismo de atención como de los perceptrones de múltiples capas. La investigación aborda el desafío crítico de la eficiencia computacional y las limitaciones de recursos en el análisis de datos del próximo Gran Colisionador de Hadrones de Alta Luminosidad, presentando la arquitectura como una solución potencial. En particular, evaluamos nuestro método aplicando el modelo a imágenes de chorros multi-detectores de datos abiertos de CMS. El objetivo es distinguir los chorros iniciados por quarks de los iniciados por gluones. Entrenamos con éxito el modelo cuántico y lo evaluamos mediante simulaciones numéricas. Con este enfoque, logramos un rendimiento de clasificación casi a la par con el obtenido con la arquitectura completamente clásica, considerando un número similar de parámetros.