Support Vector Machine with a Scalable Quantum Kernel

Dieses Paper führt den Hamming-Quantenkernel ein, eine skalierbare Post-Processing-Methode, die vollständige Messstatistiken nutzt, um die exponentiellen Konzentrationsprobleme traditioneller Fidelity-Quantenkerne zu überwinden, wobei sie eine überlegene Leistung gegenüber sowohl Fidelity-basierten als auch klassischen Gaußschen Kerneln auf Datensätzen mit 15 oder mehr Qubits demonstriert, ohne zusätzliche Quantenressourcen zu erfordern.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen einem Computer beizubringen, Muster zu erkennen, wie zum Beispiel den Unterschied zwischen einem Bild der Zahl „0“ und der Zahl „6“. Um dies zu tun, verwendet der Computer ein Werkzeug namens Support Vector Machine (SVM). Man kann sich die SVM als einen sehr klugen Schiedsrichter vorstellen, der versucht, eine Linie in den Sand zu ziehen, um zwei Gruppen von Dingen voneinander zu trennen.

Um dem Schiedsrichter zu helfen, die beste Linie zu ziehen, benötigt er einen „Kernel“. Man kann sich einen Kernel als ein spezielles Vergrößerungsglas vorstellen, das zwei Gegenstände betrachtet und entscheidet: „Wie ähnlich sind sich diese beiden?“

Das Problem: Die „Fidelity“-Linse wird neblig

Lange Zeit verwendeten Wissenschaftler eine spezielle Art von Vergrößerungsglas für Quantencomputer, den Fidelity Quantum Kernel (FQK).

• Wie er funktionierte: Er betrachtete zwei Datenpunkte und fragte: „Sind diese beiden Quantenzustände exakt dieselben?“ Er gab einen einzigen „Ja“ oder „Nein“-Score basierend darauf ab, wie stark sie sich überschnitten.
• Der Haken: Als der Quantencomputer größer wurde (indem mehr „Qubits“ hinzugefügt wurden, die wie die Atome des Computers funktionieren), wurde diese Linse unglaublich neblig.
• Die Analogie: Stellen Sie sich vor, Sie versuchen, ein Flüstern in einem ruhigen Raum zu hören. Das ist einfach. Stellen Sie sich nun vor, Sie versuchen, dasselbe Flüstern in einem Stadion voller von 10.000 Menschen zu hören, die schreien. Das Flüstern (das Signal) geht im Lärm (dem Rauschen) unter.
• Das Ergebnis: In großen Quantensystemen wurde die FQK-Linse so neblig, dass sie nicht einmal mehr den Unterschied zwischen einer „0“ und einer „6“ erkennen konnte. Sie sah einfach alles als „zufälliges Rauschen“. Dies nennt man exponentielle Konzentration. Das bedeutete, dass selbst wenn man einen massiven Quantencomputer bauen würde, dieses spezifische Werkzeug darauf nicht gut funktionieren würde.

Die Lösung: Die „Hamming“-Linse

Die Autoren dieser Arbeit haben ein neues Werkzeug namens Hamming Quantum Kernel (HQK) eingeführt. Sie haben das alte Vergrößerungsglas nicht weggeworfen, sondern nur die Art und Weise geändert, wie sie hindurchsehen.

Anstatt zu fragen: „Sind diese zwei Dinge exakt dieselben?“ (was in einem lauten Stadion schwer zu hören ist), fragt der HQK: „Wie nah sind sich diese zwei Dinge?“

• Die Analogie: Stellen Sie sich vor, Sie betrachten zwei Personen in einer Menge.
  • Der alte Weg (FQK): Sie schauen nur auf ihre Gesichter. Wenn sie nicht exakt denselben Hut tragen, sagen Sie, sie seien völlig verschieden. Wenn die Menge größer wird, können Sie die Hüte nicht mehr klar sehen, also geben Sie auf.
  • Der neue Weg (HQK): Sie betrachten die ganze Person. Sie bemerken, dass sie ähnliche Schuhe tragen, ähnliche Hemden tragen und im selben Teil des Raumes stehen. Selbst wenn ihre Hüte leicht unterschiedlich sind, erkennen Sie: „Hey, diese beiden Leute gehören definitiv zur gleichen Gruppe!“
• Wie es technisch funktioniert: Anstatt nur ein bestimmtes Ergebnis zu prüfen (wie zum Beispiel „haben wir nur Nullen erhalten?“), betrachtet der HQK die gesamte Verteilung der Ergebnisse. Er zählt, wie viele Bits (0en und 1en) zwischen zwei Messungen unterschiedlich sind. Er gibt Ergebnissen, die sehr ähnlich sind, mehr Gewicht und solchen, die sehr unterschiedlich sind, weniger Gewicht.

Was sie herausgefunden haben

Die Forscher testeten diese neue Methode mit zwei Arten von Daten:

1. Reale Daten: Bilder handgeschriebener Zahlen (der berühmte MNIST-Datensatz).
2. Synthetische Daten: Muster, die von anderen Quantenschaltkreisen generiert wurden.

Sie führten Simulationen mit Quantensystemen durch, die von winzig (2 Qubits) bis hin zu recht groß (27 Qubits) reichten.

• Das Ergebnis: Wenn das System klein war, funktionierten alle Methoden gut. Aber sobald sie 15 Qubits oder mehr erreichten, stürzte die alte FQK-Methode ab und begann, zufällig zu raten.
• Der Gewinner: Der neue Hamming Quantum Kernel (HQK) arbeitete weiterhin perfekt. Er wurde nicht neblig. Tatsächlich war er für die synthetischen Quantendaten sogar besser als die besten Standard-Methoden der „klassischen“ (nicht-quantenbasierten) Welt.

Das Fazit

Die Arbeit behauptet, dass sie durch eine intelligentere Art der Datenverarbeitung (indem sie das ganze Bild betrachten anstatt nur eines einzelnen Pixels) das „neblige Linse“-Problem gelöst haben.

• Keine zusätzliche Hardware: Sie brauchten keinen größeren oder besseren Quantencomputer; sie brauchten nur eine bessere Art, die Ergebnisse zu lesen.
• Skalierbarkeit: Diese neue Methode ermöglicht es dem Quanten-Maschinellen-Lernen, tatsächlich auf größeren Systemen zu funktionieren, ohne die Fähigkeit zu verlieren, zu lernen.

Kurz gesagt: Sie haben einen Weg gefunden, die „Ohren“ des Quantencomputers scharf genug zu machen, um das Signal selbst in einem überfüllten Stadion zu hören, wodurch der Computer in der Lage ist, komplexe Daten effektiv zu klassifizieren, wo vorherige Methoden versagten.

Technische Zusammenfassung

Technische Zusammenfassung: Support Vector Machine mit einem skalierbaren Quantenkernel

Problemstellung
Quanten-Support-Vector-Maschinen (QSVMs) verlassen sich auf quantengenerierte Kernel, um Daten in hochdimensionale Hilbert-Räume abzubilden, was theoretisch Vorteile gegenüber klassischen Methoden bietet. Der Standardansatz, der Fidelity Quantum Kernel (FQK), leidet jedoch unter einer kritischen Skalierbarkeitsschranke, die als „exponentielle Konzentration“ bekannt ist. Wenn die Anzahl der Qubits ($n$) steigt, nimmt die Überlappung zwischen distinkten Quantenzuständen exponentiell ab ($\sim 2^{-n}$). Infolgedessen konvergieren die Einträge der Kernel-Matrix gegen einen einzelnen Wert (typischerweise Null für die Off-Diagonal-Elemente), wodurch die Kernel-Matrix von der Identitätsmatrix ununterscheidbar wird. Dieses Phänomen erfordert eine exponentielle Anzahl an Messschüssen (Measurement Shots), um Unterschiede zwischen Datenpunkten aufzulösen, was die effiziente Skalierung über Systeme mit wenigen Qubits hinaus effektiv verhindert und zu einer schlechten Generalisierung auf größeren Datensätzen führt.

Methodik
Um die Einschränkungen des FQK zu adressieren, schlagen die Autoren den Hamming Quantum Kernel (HQK) vor. Im Gegensatz zum FQK, der sich ausschließlich auf die Wahrscheinlichkeit der Messung der All-Null-Bitstring ($|0\dots0\rangle$) zur Schätzung der Zustandsüberlappung stützt, nutzt der HQK die vollständige Messstatistik, die durch den Quantenschaltkreis generiert wird.

Die Kernmethodik umfasst die folgenden Schritte:

1. Zustandskodierung: Eingangsdatenpunkte $x_i$ und $x_j$ werden in Quantenzustände $|\psi(x)\rangle = U(x)|0\rangle^{\otimes n}$ mittels eines parametrisierten Quantenschaltkreises (speziell des ZZ-Kernel-Ansatzes) kodiert.
2. Messung: Der Schaltkreis $U^\dagger(x_i)U(x_j)$ wird ausgeführt und die resultierenden Bitstrings werden gemessen.
3. Distributionsgestützte Post-Verarbeitung: Anstatt alle Ergebnisse außer dem All-Null-String zu verwerfen, gruppiert der HQK alle gemessenen Bitstrings $b$ nach ihrem Hamming-Gewicht $h(b)$ (der Anzahl der 1-er im String).
4. Kernel-Berechnung: Das Kernelelement wird als gewichtete Summe der Wahrscheinlichkeiten dieser Bitstrings berechnet:
   $$\kappa_{HQK}(x_i, x_j) = \sum_{b} |\langle b|U^\dagger(x_i)U(x_j)|0\rangle^{\otimes n}|^2 e^{-\lambda h(b)}$$
   Hierbei ist $\lambda$ ein abstimmbarer Hyperparameter.
   • Wenn $\lambda \to \infty$, konvergiert der HQK zum Standard-FQK (Fokus nur auf $h(b)=0$).
   • Wenn $\lambda \to 0$, nähert sich der Kernel einer Matrix aus Einsen an.
   • Zwischenwerte von $\lambda$ ermöglichen es dem Kernel, die Verteilung der Bitstrings mit geringem Hamming-Gewicht zu nutzen, welche für ähnliche Zustände wahrscheinlicher sind, wodurch die Signalstärke auch bei steigendem $n$ aufrechterhalten wird.

Wesentliche Beiträge

• Skalierbarkeit: Der HQK mildert das Problem der exponentiellen Konzentration ab, indem er die vollständige Messstatistik anstelle eines einzelnen Fidelity-Wertes nutzt. Dies ermöglicht es der Methode, bei größeren Qubit-Skalen effektiv zu bleiben, ohne zusätzliche Quantenressourcen oder komplexe hybride Optimierungsschleifen zu benötigen.
• Klassische Post-Verarbeitung: Die Methode führt eine spezifische klassische Post-Verarbeitungsfunktion ein, die Hamming-Gewichtsverteilungen nutzt, um Ähnlichkeitsmaße zu verstärken, wodurch die Notwendigkeit von Kernel-Alignment oder iterativer Parameteroptimierung während der Trainingsphase vermieden wird.
• Robustheit: Der Ansatz ist problemagnostisch konzipiert und stützt sich auf die statistischen Eigenschaften der Messergebnisse statt auf spezifische Datensatzstrukturen.

Ergebnisse
Die Autoren evaluierten den HQK im Vergleich zum Standard-FQK und einem klassischen Radial Basis Function (RBF) Gauß-Kernel anhand zweier Datensätze:

1. Klassische Daten (MNIST): Handgeschriebene Ziffern (0 vs. 1, 0 vs. 6 sowie ungerade vs. gerade) wurden mittels Principal Component Analysis (PCA) auf Dimensionen von 2 bis 27 heruntergestuft.
   • Für $n < 15$ performten alle Kernel ähnlich.
   • Für $n \ge 15$ sank die Genauigkeit des FQK drastisch ab, bedingt durch die exponentielle Konzentration, und näherte sich dem Zufallsraten an.
   • Der HQK hielt eine stabile Genauigkeit aufrecht und übertraf den FQK, wobei er sich der Performance des klassischen RBF-Kernels annäherte.
2. Synthetische Quantendaten: Die Daten wurden von zwei distinkten Quantenschaltkreisen ($V_0$ und $V_1$) mit variierenden Qubit-Anzahlen (4 bis 27) generiert.
   • Der HQK übertraf konsistent sowohl den FQK als auch den klassischen RBF-Kernel über alle Qubit-Anzahlen hinweg.
   • Entscheidend ist, dass der HQK bei großen $n$ eine Testgenauigkeit erreichte, die nahe am theoretischen Maximum (Ununterscheidbarkeitsgrenze) liegt, während der FQK und der RBF-Kernel signifikante Leistungsabfälle oder Stagnation zeigten.

Bedeutung und Behauptungen
Das Paper behauptet, dass der Hamming Quantum Kernel einen praktischen Weg zu skalierbarem Quantenmaschinenlernen bietet. Durch die Vermeidung der der Fidelity-basierten Kernel inhärenten exponentiellen Konzentration ermöglicht der HQK es QSVMs, auf Systemen mit 15 oder mehr Qubits effektiv zu arbeiten, ohne fehlertolerante Hardware oder zusätzliche Quantenressourcen zu benötigen.

Die Autoren behaupten, dass der HQK die Expressivität und Robustheit von Quantenkerneln bei größeren Skalen verbessert. Bemerkenswerterweise zeigt die Methode einen entscheidenden Vorteil bei quantengenerierten Daten, wo sie sowohl Standard-Quanten- als auch klassische Kernel übertrifft. Der optimale Hyperparameter $\lambda$ lag konsistent um 0,1 über verschiedene Datensätze hinweg, was darauf hindeutet, dass die Methode ohne umfangreiche Kreuzvalidierung effizient eingesetzt werden kann. Die Arbeit schließt mit der Feststellung, dass der HQK ein starker Kandidat ist, um den FQK in großskaligen Szenarien oder ressourcenbeschränkten Umgebungen zu ersetzen, da er eine skalierbare Alternative bietet, die die volle Kraft der Quanten-Messstatistik nutzt.