⚛️ quantum physics

Train on classical, deploy on quantum: scaling generative quantum machine learning to a thousand qubits

Dieses Paper schlägt ein skalierbares generatives Quanten-Maschinelles-Lern-Framework vor, das instantane Quanten-Polynomschaltkreise effizient auf klassischer Hardware trainiert, um Barren Plateaus zu vermeiden und so erfolgreiches Sampling sowie Lernen auf Quantengeräten mit bis zu tausend Qubits zu ermöglichen.

Ursprüngliche Autoren: Erik Recio-Armengol, Shahnawaz Ahmed, Joseph Bowles

Veröffentlicht 2026-02-09

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Erik Recio-Armengol, Shahnawaz Ahmed, Joseph Bowles

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

Das große Problem: Der „Quanten-Stau“

Stellen Sie sich vor, Sie möchten einem Roboter (einem Quantencomputer) beibringen, Bilder zu malen. In der Vergangenheit war die Standardmethode dafür, den Roboter malen zu lassen, zu prüfen, wie schlecht das Bild war, und ihm dann genau zu sagen, wie er seinen Pinsel bewegen muss, um es zu verbessern.

Es gab jedoch ein massives Problem mit dieser Methode für Quantencomputer:

Das „Barren Plateau“ (Die flache Wüste): Wenn der Roboter komplexer wird (mehr „Qubits“ oder Teile hat), werden die Anweisungen, wie das Bild zu korrigieren ist, so schwach, dass sie im Rauschen verschwinden. Es ist, als versuche man, ein Flüstern in einem Hurrikan zu hören. Der Roboter bleibt stecken und kann nicht lernen.
Die Kosten der Überprüfung: Um herauszufinden, wie man das Bild korrigiert, muss man den Quantenroboter tausende Male dasselbe Experiment durchführen lassen, nur um ein winziges Stück Information zu erhalten. Wenn man einen großen Roboter hat, dauert dies so lange, dass es Jahrzehnte dauern würde, ihn auf einem einfachen Datensatz zu trainieren.

Die Autoren dieser Arbeit fragten sich: Gibt es einen Weg, den Roboter zu lehren, ohne in der Wüste stecken zu bleiben oder Jahrzehnte zu warten?

Die Lösung: „Auf einem Simulator trainieren, auf dem echten Gerät einsetzen“

Die Autoren entwickelten eine clevere Zwei-Schritte-Strategie: Auf einem klassischen Computer trainieren, auf einem Quantencomputer einsetzen.

Denken Sie an Folgendes:

Der Quantencomputer ist ein superteurer, magischer Pinsel, der Muster erschaffen kann, die kein Mensch zeichnen kann. Aber er ist langsam darin, um Rat zu fragen.
Der klassische Computer ist ein gewöhnlicher, schneller Laptop. Er kann keine magischen Muster zeichnen, aber er kann mathematisch simulieren, wie sich der magische Pinsel verhalten würde.

Der Arbeitsablauf:

Die Simulation (Training): Anstatt den langsamen, teuren Quantenroboter zu fragen, seine Arbeit zu überprüfen, nutzen die Autoren einen schnellen Laptop, um das Verhalten des Roboters zu simulieren. Sie verwenden eine spezielle Art von mathematischem Schaltkreis (einen sogenannten IQP-Schaltkreis), der für einen Laptop leicht zu berechnen, aber für einen Laptop später schwer zu kopieren ist.
Die Loss-Function (Die Bewertung): Sie verwenden ein spezielles Bewertungssystem namens MMD (Maximum Mean Discrepancy). Stellen Sie sich vor, Sie haben einen Haufen echter Fotos (die Daten) und einen Haufen vom Roboter gezeichneter Fotos. Der MMD-Wert misst, wie unterschiedlich die beiden Haufen aussehen. Das Ziel ist es, den Haufen des Roboters exakt so aussehen zu lassen wie den echten Haufen.
Der magische Trick: Die Autoren fanden einen Weg, diesen Wert und die „Verbesserungs-Anweisungen“ vollständig auf dem Laptop zu berechnen. Da die Mathematik für diesen spezifischen Typ von Schaltkreis sehr gut funktioniert, kann der Laptop dies in Sekunden erledigen, selbst für Schaltkreise mit 1.000 Qubits (was riesig ist!).
Der Einsatz (Die Belohnung): Sobald der Laptop die perfekten Einstellungen (Parameter) für den Roboter ermittelt hat, senden Sie diese Einstellungen an den echten Quantencomputer. Nun führt der Quantencomputer den Schaltkreis aus, um neue Bilder zu erzeugen. Da die Mathematik besagt, dass diese Schaltkreise für Laptops „schwer“ zu kopieren sind, kann der Quantencomputer Ergebnisse produzieren, die ein regulärer Computer nicht ohne Weiteres nachahmen könnte.

Wichtige Zutaten für den Erfolg

1. Der „datenabhängige“ Start
Normalerweise beginnt man beim Training eines Modells mit dem Raten von Zufallszahlen für die Einstellungen. Dies führt oft zum „Barren Plateau“ (der Roboter verirrt sich).

Die Lösung: Die Autoren haben sich die Daten vor dem Start angesehen. Wenn die Daten zeigen, dass sich zwei Pixel normalerweise gemeinsam verändern, setzen sie die Einstellungen des Roboters von Anfang an so, dass diese Beziehung reflektiert wird.
Analogie: Anstatt einem Schüler zu sagen „Rate die Antwort“, geben Sie ihm einen Hinweis basierend auf dem Lehrbuch. Dies verhindert, dass er in der „Wüste“ der Zufallstipps stecken bleibt.

2. Kohärenz ist entscheidend
Die Autoren verglichen ihr Quantenmodell mit einer „dekohärenten“ (klassischen) Version.

Das Ergebnis: Das Quantenmodell (das die „Kohärenz“ oder die wellenartige Natur der Quantenmechanik nutzt) lernte die Muster gut. Die klassische Version (die einfach nur Bits zufällig umkehrt) scheiterte kläglich an großen Datensätzen.
Fazit: Die „Magie“ der Quantenmechanik ist nicht nur ein Modewort; sie hilft dem Modell tatsächlich dabei, komplexe Strukturen zu lernen, die klassische Modelle übersehen.

Was sie tatsächlich getan haben (Die Experimente)

Das Team hat nicht nur theoretisch darüber gesprochen; sie haben es gebaut und an realen Daten getestet. Sie trainierten Modelle mit bis zu 1.000 Qubits (tausende Parameter) auf sechs verschiedenen Datensätzen:

Einfache Muster: Wie 2D-Gitter von Spins oder „Flecken“ von Pixeln.
Reale Daten: Handschriftliche Ziffern (MNIST), genomische Daten (DNA-Muster) und Daten von einem echten Quanten-Annealer (D-Wave).

Die Ergebnisse:

Geschwindigkeit: Sie trainierten diese massiven Modelle in Stunden, nicht in Jahrzehnten.
Leistung: Bei den großen, komplexen Datensätzen (wie D-Wave und genomischen Daten) schnitt ihr Quantenmodell besser ab als Standard-Klassik-Modelle (wie Restricted Boltzmann Machines und Energy-Based Models).
Das „Warum“: Die klassischen Modelle blieben oft im „Mode Collapse“ stecken (sie lernten nur, eine bestimmte Art von Bild zu zeichnen und ignorierten den Rest). Das Quantenmodell lernte das gesamte Bild.

Das Kernfazit

Diese Arbeit beweist, dass wir nicht auf perfekte Quantencomputer warten müssen, um nützliche Arbeit zu leisten. Indem wir einen „hybriden“ Ansatz verwenden – die schwere Arbeit des Trainings auf schnellen klassischen Computern zu erledigen und die Generierung für Quantencomputer aufzusparen –, können wir bereits heute massiv skalieren.

Es ist wie der Bau eines Entwurfs für einen Wolkenkratzer auf einem schnellen Computer, und dann die Nutzung eines spezialisierten, langsamen Krans, um tatsächlich die Stahlträger zu heben. Der Entwurf (das Training) ist schnell und effizient; der Bau (das Sampling) ist dort, wo die einzigartige Kraft liegt.

Was das Paper NICHT behauptet:

Es behauptet nicht, jedes Problem im maschinellen Lernen gelöst zu haben.
Es behauptet nicht, dass Quantencomputer derzeit bei allem besser sind (sie hatten Schwierigkeiten bei einigen kleineren, einfacheren Datensätzen, bei denen klassische Modelle völlig ausreichten).
Es stellt keine medizinischen oder klinischen Behauptungen auf; die genomischen Daten wurden nur verwendet, um die Mustererkennung zu testen, nicht um Krankheiten zu diagnostizieren.

Technisches Resümee: Auf Klassisch trainieren, auf Quanten deployen

1. Problemstellung

Die Arbeit adressiert die fundamentale Skalierungskrise im Bereich des variablen Quanten-Maschinellen Lernens (VQML). Während das klassische Deep Learning durch die Skalierung von Modellen und Datensätzen florierte, steht VQML vor schweren Barrieren:

Barren Plateaus: Die Gradienten zufällig initialisierter Quantenschaltkreise konzentrieren sich mit zunehmender Qubit-Anzahl exponentiell um Null, was eine Optimierung unmöglich macht.
Kosten der Gradientenschätzung: Im Gegensatz zu klassischen neuronalen Netzen, bei denen die Berechnung des Gradienten ähnlich skaliert wie die Auswertung des Loss-Funktionswertes, erfordert die Schätzung von Gradienten für Quantenschaltkreise das Sampling aus einer Anzahl von Schaltkreisen, die proportional zur Anzahl der Parameter ist. Für einen Schaltkreis mit tausenden Parametern ist dies pro Gradientenschritt das Sampling aus tausenden verschiedenen Schaltkreisen erforderlich.
Hardware-Beschränkungen: Quantencomputer haben signifikant langsamere Abtastraten als klassische CPUs/GPUs und sind inhärent stochastisch, was massives Sampling erfordert, um Trainingswerte zu schätzen.

Die Autoren argumentieren, dass Standard-VQML-Ansätze auf kleine Modelle und Datensätze beschränkt sind, was ihr gesellschaftliches Potenzial einschränkt. Sie schlagen ein neues Paradigma vor, um diese Skalierungsprobleme spezifisch für das generative maschinelle Lernen zu überwinden.

2. Methodik

Der vorgeschlagene Ansatz, „Auf Klassisch trainieren, auf Quanten deployen“, nutzt eine spezifische Klasse generativer Modelle, die auf Instantaneous Quantum Polynomial (IQP)-Schaltkreisen basieren. Die Kerninnovation ist die Fähigkeit, diese Schaltkreise effizient auf klassischer Hardware zu trainieren und gleichzeitig das Potenzial für einen Quantenvorteil während der Inferenz (Sampling) zu bewahren.

2.1 Das Modell: Parametrisierte IQP-Schaltkreise

Das generative Modell $q_\theta(x)$ wird durch einen parametrisierten IQP-Schaltkreis definiert, der auf $n$ Qubits wirkt:

Initialisierung: Zustand $|0\rangle^{\otimes n}$ .
Gates: Eine Sequenz parametrisierter Gates $U(\theta) = \prod_j \exp(i\theta_j X_{g_j})$ , wobei $X_{g_j}$ ein Tensorprodukt von Pauli-X-Operatoren ist.
Messung: Messung in der Rechenbasis.

Entscheidend ist, dass das Sampling aus der Ausgabeverteilung dieser Schaltkreise unter theoretischen Annahmen zur Komplexität als klassisch schwer gilt, was auf einen potenziellen Quantenvorteil in der Deployment-Phase hindeutet.

2.2 Training via Klassischer Simulation

Der Trainingsprozess verzichtet vollständig auf Quantenhardware, indem er zwei theoretische Ergebnisse nutzt, um den Loss und seinen Gradienten klassisch zu berechnen:

Loss-Funktion: Die Autoren verwenden das Quadrat der Maximum Mean Discrepancy (MMD) als Loss-Funktion. Rudolph et al. (2024) zeigten, dass MMD $^2$ als probabilistische Mischung von Erwartungswerten von Pauli-Z-Wörtern ausgedrückt werden kann.
Effiziente Schätzung: Den Nest (2010) bewies, dass Erwartungswerte von Pauli-Z-Wörtern für IQP-Schaltkreise durch einen klassischen Algorithmus effizient geschätzt werden können.

Durch die Kombination dieser Ergebnisse leiten die Autoren einen unverzerrten Schätzer für MMD $^2$ und dessen Gradienten her, der nur auf grundlegenden linearen Algebra-Subroutinen basiert. Dies ermöglicht das Training auf klassischer Hardware (speziell unter Verwendung des IQPopt-Pakets in JAX) mit linearer Skalierung sowohl in der Anzahl der Qubits als auch in der Anzahl der Gates.

2.3 Datengestützte Initialisierung

Um Barren Plateaus zu vermeiden und eine erfolgreiche Konvergenz zu gewährleisten, setzen die Autoren eine datengestützte Parameter-Initialisierungsstrategie ein:

Parameter für Einzel-Qubit-Gates werden basierend auf dem Mittelwert der entsprechenden Dimensionen der Trainingsdaten initialisiert.
Zwei-Qubit-Gate-Parameter werden proportional zur Kovarianz zwischen den entsprechenden Dimensionen der Daten initialisiert.
Diese Strategie stellt sicher, dass das Modell nahe einer Produktverteilung startet, die den Marginalen und Korrelationen der Daten entspricht, wodurch verhindert wird, dass die Loss-Landschaft bei der Initialisierung flach ist.

2.4 Einbindung von Symmetrien

Das Framework erlaubt die Einbindung induktiver Biases, wie etwa der globalen Bit-Flip-Symmetrie ( $Z_2$ ), durch Modifikation des Initialzustands (z. B. Verwendung eines GHZ-Zustands), während die Fähigkeit zur klassischen Simulation der Erwartungswerte erhalten bleibt.

3. Zentrale Beiträge

Skalierbarer Trainingsalgorithmus: Eine Methode zum Training parametrisierter IQP-Schaltkreise mit bis zu 1.000 Qubits und Hunderttausenden von Parametern ausschließlich unter Verwendung klassischer Hardware.
Vermeidung von Barren Plateaus: Demonstration, dass mit datengestützter Initialisierung große IQP-Schaltkreise trainiert werden können, ohne auf die exponentielle Gradienten-Verschwindung zu stoßen, die bei zufälliger Initialisierung typisch ist.
Kohärenzanalyse: Ein Vergleich zwischen dem quantenbasierten IQP-Modell und einem „dekohärenten“ klassischen stochastischen Bit-Flip-Modell, der zeigt, dass Quantenkohärenz entscheidend für die Performance bei komplexen Datensätzen ist.
Empirisches Benchmarking: Umfangreiche Evaluierung auf sechs realen und synthetischen Datensätzen (einschließlich D-Wave, MNIST und Genomdaten), wobei das Quantenmodell mit Restricted Boltzmann Machines (RBM) und Energy-Based Models (EBM) verglichen wird.

4. Ergebnisse

Die Autoren trainierten Modelle auf Datensätzen mit einer Größenordnung von 16 bis 1.000 Qubits. Die wichtigsten Erkenntnisse sind:

Performance vs. Klassische Modelle: Bei großen, komplexen Datensätzen (D-Wave, Scale-Free Network, Genomic) übertraf das IQP-Modell die klassischen RBM- und EBM-Modelle signifikant, welche unter Mode Collapse, Mode Imbalance oder Trainingsfehlern litten. Bei einfacheren Datensätzen (2D Ising, Binary Blobs) war das IQP-Modell wettbewerbsfähig, wenngestitten erreichten klassische Modelle teilweise bessere Log-Likelihood-Scores.
Rolle der Kohärenz: Das „dekohärente“ stochastische Bit-Flip-Modell konnte bei allen außer den kleinsten Datensätzen nichts lernen, trotz identischer Trainingsstrategien. Dies deutet darauf hin, dass Quantenkohärenz einen distinkten Vorteil in der Expressivität oder der Struktur der Loss-Landschaft bietet.
Skalierbarkeit: Der Trainingsprozess verlief glatt und konvergierte für alle Datensätze in relativ wenigen Schritten, selbst bei 1.000 Qubits. Die Autoren merken an, dass die Rechenkosten linear skalieren, was das Training von Schaltkreisen mit 10.000 Qubits auf einem einzelnen CPU-Knoten in etwa einer Minute ermöglicht.
Genomische Daten: Auf einem genomischen Datensatz (805 Qubits) erreichte das IQP-Modell MMD-Scores, die mit veröffentlichten klassischen Modellen (RBM und GAN), die auf denselben Daten trainiert wurden, konkurrieren konnten, und erfasste erfolgreich die allgemeine Korrelationsstruktur.

5. Bedeutung und Ansprüche

Das Paper behauptet, einen gangbaren Weg zu skalierbarem Quanten-generativem maschinellem Lernen aufgezeigt zu haben.

Optimismus bezüglich der Skalierung: Die Arbeit fordert den vorherrschenden Pessimismus hinsichtlich der Trainierbarkeit großer Quantenschaltkreise heraus. Sie legt nahe, dass das Problem der „Barren Plateaus“ durch geeignete Initialisierungsstrategien gemildert werden kann und kein inhärentes, unüberwindbares Hindernis für alle Schaltkreisstrukturen darstellt.
Praktikabilität: Durch die Auslagerung der rechenintensiven Trainingsphase auf klassische Hardware umgeht der Ansatz die Hardware-Engpässe aktueller Quantengeräte. Dies ermöglicht es Forschern, bereits heute groß angelegte Quantenmodelle zu untersuchen.
Quantenvorteil: Obwohl das Training klassisch erfolgt, bleibt das Deployment (Sampling) eine Quantenaufgabe. Da das IQP-Sampling als klassisch schwer gilt, bieten die trainierten Modelle eine potenzielle Route zu einem Rechenvorteil bei generativen Aufgaben.
Moderater Umfang: Die Autoren formulieren ihre Ansprüche moderat. Sie behaupten nicht, dass IQP-Schaltkreise universelle Approximatoren sind (sie beweisen dies nicht einmal für $n=2$ ohne Ancillas) und räumen ein, dass klassische Modelle mit intensiverem Hyperparameter-Tuning oder anderen Architekturen besser abschneiden könnten. Sie betonen, dass ihre Arbeit die Tür für heuristische Studien groß angelegter Quantenmodelle öffnet, die Erkenntnisse jenseits der reinen Theorie liefern können.

Zusammenfassend lässt sich sagen, dass das Paper argumentiert, dass das „Skalieren auf größere Datensätze und Modelle“ der fruchtbarste Weg für das Quanten-Maschinelle Lernen ist und dass eine spezifische Klasse generativer Modelle (parametrisierte IQP) einen konkreten, skalierbaren Mechanismus bietet, um dies bereits heute zu erreichen.