请实现多头自注意力机制（Multi-Head Self-Attention），并说明其计算过程。

回答思路

1. 正确实现Q、K、V投影及多头拆分
2. 说明注意力得分计算与缩放因子
3. 包含mask处理（如padding mask）
4. 给出输出拼接与线性投影
5. 能解释多头并行的意义