⚛️ quantum physics

Machine learning of measurement schemes for efficient quantum observable estimation

Dieses Paper schlägt ein Machine-Learning-Framework vor, das als die Composite-Locally Biased Classical Shadow (C-LBCS)-Methode realisiert wird und automatisch effiziente Messschemata aus Observablen lernt, um bestehende heuristische Ansätze bei der Schätzung von Quantenerwartungswerten für großskalige Systeme zu übertreffen.

Ursprüngliche Autoren: Zi-Jian Zhang, Kouhei Nakaji, Matthew Choi, Alán Aspuru-Guzik

Veröffentlicht 2026-07-10

📖 4 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Zi-Jian Zhang, Kouhei Nakaji, Matthew Choi, Alán Aspuru-Guzik

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, den Geschmack eines riesigen, unsichtbaren Smoothies zu erraten, der aus tausend verschiedenen Früchten besteht. In der Welt des Quantencomputings ist dieser „Smoothie“ ein komplexer Quantenzustand, und die „Geschmacksrichtungen“ sind die Eigenschaften (Observablen), die Wissenschaftler messen wollen. Das Problem ist, dass Quantenmessungen wie eine Einwegtür sind: Sobald man hineinblickt, um den Geschmack zu prüfen, verändert sich der Smoothie, und man muss mit einer frischen Charge von vorne beginnen. Wenn man einen supergenauen Geschmack möchte, muss man tausende dieser frischen Chargen erstellen, was ewig dauert und kostbare Ressourcen verschwendet.

Lange Zeit versuchten Wissenschaftler, dies durch handgefertigte Regeln zu lösen. Sie sagten: „Okay, lass uns zuerst die Apfelteile messen, dann die Bananenteile“, unter Verwendung cleverer, aber starrer Tricks. Es funktionierte, aber es war, als würde man versuchen, ein Labyrinth mit einer Karte zu navigieren, die von jemandem gezeichnet wurde, der das Labyrinth noch nie gesehen hat.

Die große Idee: Lassen Sie den Computer die Karte lernen
In dieser Arbeit schlagen die Autoren einen neuen Weg vor: Anstatt die Karte von Hand zu zeichnen, lassen wir maschinelles Lernen entscheiden, wie der Computer den besten Weg findet, den Smoothie zu messen. Sie entwickelten ein Framework, in dem der Computer ein „Messschema“ lernt – ein Rezept dafür, welche Teile des Quantenzustands wie oft betrachtet werden sollen.

Stellen Sie sich das wie einen Meisterkoch vor (das Machine-Learning-Modell), der nicht nur einem einzelnen Rezept folgt. Stattdessen erstellt der Koch ein Composite Locally-Biased Classical Shadow (C-LBCS). Dies ist ein schicker Name für eine „Mischung aus Rezepten“. Stellen Sie sich vor, der Koch hat eine Tasche voller verschiedener Mini-Rezepte (Sub-Schemata). Wenn es Zeit zum Messen ist, wählt der Koch eines dieser Mini-Rezepte bas nach einer gelernten Wahrscheinlichkeit aus, folgt diesem und geht dann zum nächsten über. Durch das Mischen und Kombinieren dieser Rezepte lernt der Koch die perfekte Balance, um mit den wenigsten Smoothie-Chargen den genauesten Geschmack zu erhalten.

Was sie ablehnten
Die Autoren argumentieren explizit gegen die Verwendung von „handgefertigten Heuristiken“. Dies sind die altmodischen, starren Regeln, die Wissenschaftler früher spontan erfanden. Die Arbeit legt nahe, dass diese manuellen Methoden an eine Decke stoßen; sie können nicht so effizient sein wie ein System, das direkt aus dem Problem selbst lernt. Sie zeigen auch, dass während einige Methoden versuchen, ein einzelnes Rezept Schritt für Schritt zu verbessern (ein „Bottom-up“-Ansatz), ihre Methode das gesamte Bild von oben nach unten betrachtet, was zu einer viel flexibleren und leistungsfähigeren Lösung führt.

Die Ergebnisse: Simulationen zeigen Potenzial
Das Team hat dies nicht nur erdacht; sie haben Simulationen durchgeführt, um zu sehen, ob es funktioniert. Sie testeten ihre neue C-LBCS-Methode an molekularen Systemen, einschließlich eines Moleküls namens CO2 mit 30 Qubits (der quantentechnische Äquivalent zu Bits).

In diesen Simulationen schlug ihre gelernte Methode die bisher besten Methoden (wie „ShadowGrouping“ und „OGM“) in fast allen Fällen. Beispielsweise benötigten die alten Methoden beim Messen des CO2-Moleküls eine „Varianz“ (ein Maß für den Fehler) von etwa 2442 oder 2754, während ihre neue Methode diese Zahl je nach Setup auf 2335 oder 2677 senkte. Niedriger ist hier besser, was bedeutet, dass sie mit weniger Messungen ein klareres Bild erhielten.

Sie fanden auch heraus, dass die Methode besser wird, je mehr „Sub-Rezepte“ (Sub-Schemata) sie dem Computer zum Mischen erlauben, bis zu einem gewissen Punkt. Sie testeten bis zu 12.000 Sub-Schemata für das CO2-Molekül und sahen, wie der Fehler kontinuierlich sank.

Wie sicher sind wir uns?
Es ist wichtig anzumerken, dass dies numerische Demonstrationen (Simulationen) sind. Die Autoren zeigen, dass die Methode in einem Computermodell wunderbar funktioniert, aber sie haben sie noch nicht auf einem echten, physischen Quantencomputer im Labor laufen lassen. Sie sind zuversichtlich, dass die Mathematik Bestand hat und dass die Methode skalierbar ist, aber der endgültige Beweis des „Gewinnens“ in der realen Welt steht noch bevor.

Warum das wichtig ist
Das Beste daran? Dieser Lernprozess ist schnell und kann auf leistungsstarken Grafikkarten (GPUs) laufen, im Gegensatz zu älteren Methoden, die Schritt für Schritt in einer langsamen, sequentiellen Linie aufgebaut werden mussten. Die Autoren schlagen vor, dass, sobald der Computer das beste Rezept gelernt hat, dieses immer wieder verwendet werden kann. Die Zeit, die benötigt wird, um das Rezept zu lernen, ist ein einmaliger Aufwand, und danach kann der Quantencomputer die Messungen viel schneller durchführen.

Kurz gesagt deutet die Arbeit darauf hin, dass, indem wir maschinelles Lernen die Messstrategie von Grund auf neu entwerfen lassen, wir Quantencomputer wesentlich effizienter darin machen können, die Ergebnisse ihrer eigenen Berechnungen zu lesen, was einen zuverlässigen Weg zur Lösung größerer Probleme in der Zukunft ebnet.

Technische Zusammenfassung: Maschinelles Lernen von Messschemata zur effizienten Schätzung Quantenobservablen

Problemstellung
Die Schätzung des Erwartungswerts von Observablen ist eine grundlegende Subroutine im Quantencomputing, insbesondere für near-term Algorithmen wie den Variational Quantum Eigensolver (VQE). Die destruktive Natur von Quantenmessungen erfordert jedoch die mehrfache Vorbereitung von Quantenzuständen (Shots), was einen Leistungsengpass darstellt. Während Observablen typischerweise in Summen von Pauli-Strings zerlegt werden ( $O = \sum_j a_j P_j$ ), erfordert eine naive Schätzung eine Anzahl von Messungen, die quadratisch mit der $L_1$ -Norm der Koeffizienten ( $\|\vec{a}\|_1$ ) skaliert. Bestehende Methoden zur Reduzierung dieser Kosten fallen im Allgemeinen in zwei Kategorien:

Gruppierungsmethoden (z. B. LDF, OGM): Diese geben eine Wahrscheinlichkeitsverteilung über eine kleine Menge von Messgruppen aus. Sie beruhen oft auf handgefertigten Heuristiken und stoßen bei molekularen Hamilton-Operatoren, die exponentiell viele Terme enthalten, an ihre Grenzen.
Classical Shadow Methoden (z. B. LBCS): Diese verwenden Verteilungen über alle Pauli-Messungen. Obwohl sie skalierbar sind, verwenden sie oft einfache Strukturen, die es versäumen, eine optimale Shot-Effizienz für komplexe molekulare Systeme zu erreichen.

Die zentrale Herausforderung besteht darin, wie die Repräsentationskraft von Messschemata verbessert werden kann, um eine bessere Shot-Effizienz für komplizierte Observablen zu erreichen, ohne sich auf starre, handgefertigte Heuristiken zu verlassen.

Methodik
Die Autoren schlagen ein Framework vor, um Messschemata direkt aus der Struktur der Observable mittels maschinellem Lernen zu lernen, spezifisch durch stochastischen Gradientenabstieg (SGD) und eine Two Time-Scale Update Rule (TTUR).

Composite Measurement Scheme (CMS):
Die Autoren definieren ein „Messschema“ als einen Generator, der eine Menge von Messungen ausgibt. Sie führen das Composite Measurement Scheme ein, welches mehrere einfache Messschemata (Sub-Schemata) über eine trainierbare Mischwahrscheinlichkeitsverteilung $\vec{r}$ kombiniert.

C-LBCS (Composite-Locally Biased Classical Shadow): Als konkrete Realisierung schlagen sie C-LBCS vor. Diese Methode lernt eine Mischung aus Locally Biased Classical Shadow (LBCS) Schemata. Jedes Sub-Schema $S_k$ ist ein LBCS mit anpassbaren Pauli-Verteilungen pro Qubit $\{\beta^k_i\}$ . Das zusammengesetzte Schema sampelt ein Sub-Schema gemäß der Verteilung $\vec{r}$ und generiert dann einen Pauli-String basierend auf der Verteilung dieses Sub-Schemas.

Kostenfunktion (Durchschnittliche One-Shot-Varianz):
Um das Schema ohne Kenntnis des Ziel-Quantenzustands zu optimieren, definieren die Autoren eine Kostenfunktion $V$ basierend auf der durchschnittlichen One-Shot-Varianz über den gesamten Hilbert-Raum (unter Verwendung des Haar-Maßes).

Die Kostenfunktion wird als $V = \sum_j a_j^2 \frac{1}{h_j}$ abgeleitet, wobei $h_j$ die durchschnittliche Wahrscheinlichkeit ist, mit der der $j$ -te Pauli-Term durch das Schema „abgedeckt“ (gemessen) wird.
Für C-LBCS wird $h_j$ als $\sum_k r_k h^k_j$ zerlegt, wobei $h^k_j$ die Abdeckungswahrscheinlichkeit des $k$ -ten Sub-Schemas ist. Diese Struktur ermöglicht es, die Kostenfunktion sowohl in Bezug auf die Mischgewichte $\vec{r}$ als auch auf die Sub-Schema-Parameter $\{\theta^k_i\}$ zu optimieren.

Optimierungsstrategien:
Die Optimierungslandschaft ist insgesamt nicht konvex, weist jedoch eine bikonvexe Struktur in Bezug auf die Mischgewichte $\vec{r}$ und die Abdeckungswahrscheinlichkeiten $\{h^k_j\}$ auf. Um dies zu bewältigen, setzen die Autoren Folgendes ein:

Gradienten-Reskalierung: Um zu verhindern, dass Sub-Schemata mit geringen Mischgewichten ( $r_k \approx 0$ ) während des Trainings „eingefroren“ werden, wird der Gradient der Sub-Schema-Parameter durch $1/r_k$ reskaliert.
Two Time-Scale Update Rule (TTUR): Inspiriert vom GAN-Training, werden $\vec{r}$ und $\{\theta^k_i\}$ mit unterschiedlichen Lernraten aktualisiert (speziell wird die Lernrate für $\vec{r}$ auf ein Zehntel der Lernrate für die Sub-Schema-Parameter gesetzt), um die Konvergenz zu stabilisieren.
Stochastischer Gradientenabstieg (SGD): Um Observablen mit Tausenden von Termen (üblich in Problemen der Elektronenstruktur) zu handhaben, nutzt das Training Mini-Batches von Pauli-Termen, was Skalierbarkeit und GPU-Beschleunigung ermöglicht.

Wichtigste Ergebnisse
Die Autoren demonstrieren numerisch die Wirksamkeit von C-LBCS an molekularen Systemen, die von kleinen Molekülen bis hin zu CO $_2$ (30 Qubits, $\sim$ 11.000 Terme) reichen.

Performance: C-LBCS übertrifft konsistent State-of-the-Art-Methoden, einschließlich Derandomized Classical Shadow (Derand), Overlapped Group Measurement (OGM) und ShadowGrouping (SG), über verschiedene molekulare Hamilton-Operatoren (LiH, H $_6$ , H $_2$ O, NH $_3$ , N $_2$ , C $_2$ H $_2$ , C $_2$ H $_4$ , CO $_2$ ) und Kodierungstransformationen (Jordan-Wigner und Bravyi-Kitaev) hinweg.
Skalierbarkeit: Die Methode skaliert effektiv mit der Anzahl der Sub-Schemata. Eine Erhöhung der Anzahl der Sub-Schemata ermöglicht eine systematische Reduktion der Varianz und übertrifft SG selbst dann, wenn die Anzahl der Sub-Schemata vergleichbar mit der Anzahl der Gruppen in OGM ist.
Robustheit: Das Training ist robust gegenüber kleinen Batch-Größen (bis zu 1/128 der Gesamtzahl der Terme), was auf eine Eignung für großskalige Observablen hindeutet. Ablationsstudien bestätigen, dass sowohl die Gradienten-Reskalierung als auch TTUR entscheidend sind, um die besten Ergebnisse zu erzielen.
Effizienz: Im Gegensatz zu gierigen sequentiellen Methoden (wie SG) ist das C-LBCS-Training vollständig parallelisierbar auf GPUs. Der klassische Overhead für die Generierung von Messungen nach dem Training ist gering ( $O(n_S + n_q)$ ), und die einmaligen Trainingskosten werden über viele Messrunden in typischen Workflows wie VQE amortisiert.

Bedeutung und Ansprüche
Das Paper behauptet, einen „zuverlässigen und skalierbaren Pfad zur effizienten Schätzung von Observablen auf großen Quantensystemen“ eröffnet zu haben.

Verschiebung von Heuristiken zu Lernen: Der primäre Beitrag liegt im Wechsel des Paradigmas von handgefertigten, Bottom-up-Heuristiken zu einem Top-down, End-to-End-Lernframework, das Messschemata direkt für spezifische Observablen optimiert.
Universalität: Die Autoren beweisen, dass C-LBCS universell ist; mit $3^{n_q}$ Sub-Schemata kann es jede Verteilung von Pauli-Messungen simulieren, die nicht-trivial auf jedem Qubit operiert. Sie stellen jedoch fest, dass in der Praxis weit weniger Sub-Schemata benötigt werden, um eine State-of-the-Art-Effizienz zu erreichen.
Praktikabilität: Die Methode adresst den Engpass der Messeffizienz in Near-term Quantenalgorithmen, ohne dass vorab Wissen über den Quantenzustand erforderlich ist. Die Autoren betonen, dass die Kostenfunktion zwar im Grenzfall unendlicher Messungen definiert ist, die resultierenden Schemata jedoch selbst in Finite-Shot-Regimen für die getesteten Systeme eine überlegene Performance bieten.

Die Autoren bleiben hinsichtlich der Einschränkungen bescheiden und merken an, dass die Kostenfunktion von der Annahme eines unendlichen Messlimits ausgeht; wenn das gesamte Messbudget sehr klein im Verhältnis zur Anzahl der Terme ist, ist das trainierte Schema für dieses spezifische Finite-Budget möglicherweise nicht strikt optimal. Zudem basiert der Ansatz auf der Annahme, dass der Zielzustand unbekannt ist, was für VQE Standard ist, aber erfordert, dass die Kostenfunktion zustandsunabhängig ist.

Mehr davon