Improving Quantum Recurrent Neural Networks with Amplitude Encoding

Este artículo mejora las Redes Neuronales Recurrentes Cuánticas (QRNNs) al integrar EnQode para la codificación de amplitud aproximada, introduciendo una técnica de preprocesamiento que aumenta las entradas con magnitudes prenormalizadas para mejorar la generalización, y proponiendo una nueva arquitectura de circuito que reduce significativamente la profundidad manteniendo la equivalencia matemática.

Lo esencial

Imagina que estás intentando enseñarle a un robot a predecir el mercado de valores. Tienes un cerebro de robot muy potente y futurista llamado Red Neuronal Recurrente Cuántica (QRNN). Este cerebro es especial porque puede recordar eventos pasados (como un humano recordando el clima de ayer para predecir el de hoy) y procesar información utilizando las extrañas leyes de la física cuántica.

Sin embargo, construir este cerebro de robot es complicado. El artículo de Jack Morgan y su equipo es como un "Manual de Usuario para Actualizaciones". Ellos descubrieron tres formas específicas de hacer que este cerebro cuántico sea más inteligente, más rápido y menos propenso a romperse.

Aquí tienes un desglose sencillo de estas tres actualizaciones:

1. El problema del "Control de Volumen" (Preprocesamiento)

El Problema:
Para introducir datos en una computadora cuántica, tienes que convertir los números en "ondas cuánticas". La forma estándar de hacer esto es normalizar los datos, lo cual es como girar todos los controles de volumen de un estéreo al mismo nivel exacto para que quepan en el dial.

• La Analogía: Imagina que tienes dos canciones. Una se reproduce como un susurro y la otra como un rugido. Si las normalizas, la computadora cuántica las escuchará como si fueran idénticas porque solo observa la forma del sonido, no qué tan fuerte era el volumen. Pierde la información sobre el "volumen" (magnitud).
• La Solución: Los autores sugieren añadir una característica de "Control de Volumen" a los datos antes de que entren. Toman la potencia original de los datos, la comprimen en un nuevo número y la introducen como un ingrediente adicional.
• El Resultado: Ahora, el cerebro cuántico puede distinguir entre un susurro y un rugido. Descubrieron que usar una forma específica de escalar este "volumen" (que llaman MaxMin) ayudó al robot a realizar mejores predicciones en datos financieros.

2. El dilema de "Perfecto vs. Suficientemente Bueno" (EnQode)

El Problema:
Crear la onda cuántica perfecta para un conjunto específico de datos es increíblemente difícil. Es como intentar construir un traje hecho a medida perfecto para cada persona que entra en una tienda. Requiere tanto tiempo y esfuerzo (profundidad de circuito) que el robot se cansa y comete errores (decoherencia) antes de terminar.

• La Analogía: En lugar de confeccionar un traje perfecto para cada persona, ¿qué pasaría si tuvieras algunas "tallas estándar" (centroides) que le quedaran bien a la mayoría?
• La Solución: Utilizaron una herramienta llamada EnQode. En lugar de construir un estado cuántico perfecto desde cero cada vez, EnQode encuentra la "talla estándar" más cercana y la ajusta ligeramente. Es una aproximación.
• El Resultado: Aunque el traje no es perfectamente a medida, es lo suficientemente bueno (aproximadamente un 94% de precisión). El gran beneficio es que toma una fracción del tiempo. En una computadora cuántica real, ser rápido y simple es mejor que ser perfecto pero lento, porque la computadora deja de funcionar si tardas demasiado.

3. La actualización de la "Línea de Ensamblaje" (Estructura del Circuito)

El Problema:
En el diseño antiguo, el robot tenía que hacer todo paso a paso. Tenía que terminar de preparar los datos para "Hoy", luego terminar de procesarlos, luego preparar "Mañana", y luego procesarlos. Era como una carretera de un solo carril donde los atascos causaban retrasos y errores.

• La Analogía: Imagina una fábrica. El método antiguo era: Construir el chasis, pintarlo, secarlo y luego construir el siguiente chasis. El nuevo método es una línea de ensamblaje de dos carriles. Mientras los trabajadores están pintando el chasis de "Hoy", otro equipo ya está construyendo el chasis de "Mañana".
• La Solución: Introdujeron Registros de Características Alternos. Utilizan dos "espacios de trabajo" (registros) diferentes que se turnan. Mientras uno se está llenando con nuevos datos, el otro se está procesando.
• El Resultado: Esto crea una "profundidad de circuito" (longitud de la línea de ensamblaje) mucho más corta. Hace que el robot sea más rápido y menos propenso a perder su memoria (decoherencia) antes de terminar el trabajo.

La Conclusión

Los autores probaron estas tres actualizaciones con datos financieros (predicción de retornos de acciones). Descubrieron que:

1. Añadir la característica de "volumen" ayudó al modelo a entender mejor los datos.
2. Usar la aproximación "suficientemente buena" (EnQode) hizo que el sistema fuera lo suficientemente rápido como para ejecutarse realmente en hardware real sin perder demasiada precisión.
3. El nuevo diseño de "línea de ensamblaje" hizo que todo el proceso fuera más corto y eficiente.

Al combinar estos tres trucos, crearon una nueva guía de "Mejores Prácticas" para cualquiera que intente construir una Red Neuronal Recurrente Cuántica, haciéndola más práctica para las computadoras cuánticas que tenemos hoy en día.

Resumen técnico

Resumen Técnico: Mejora de las Redes Neuronales Recurrentes Cuánticas mediante la Codificación de Amplitud

Declaración del Problema

Las Redes Neuronales Recurrentes (RNN) son un estándar para modelar dependencias temporales, sin embargo, sus contrapartes cuánticas (QRNN) enfrentan obstáculos significativos en cuanto a la viabilidad del hardware y la generalización. Aunque las Redes Neuronales Recurrentes Cuánticas (QRNN) que utilizan circuitos cuánticos parametrizados (PQC) ofrecen ventajas potenciales en expresividad y eficiencia energética, las implementaciones existentes suelen depender de la codificación de ángulo (angle encoding), la cual escala linealmente con el número de características ($O(N)$ qubits). La codificación de amplitud (amplitude encoding) ofrece una eficiencia de qubits superior ($O(\log N)$) y ha demostrado una mayor precisión en otras tareas de aprendizaje automático cuántico, pero sigue siendo poco explorada en QRNN completamente cuánticas debido a dos restricciones primarias:

1. Complejidad de la Preparación del Estado: La Preparación del Estado Cuántico (QSP) exacta requiere circuitos con una profundidad exponencial, lo que los hace inviables para dispositivos de la era NISQ (near-term).
2. Pérdida de Información: La codificación de amplitud estándar requiere la normalización de la entrada, lo que descarta la magnitud global (amplitud) de los vectores de características. Esta pérdida de información de magnitud puede distorsionar el modelado de secuencias, ya que los vectores con diferentes magnitudes pero direcciones idénticas se codifican de manera idéntica.

Además, la ejecución de QRNN en hardware ruidoso introduce errores de coherencia, particularmente en el registro del estado latente, lo que degrada el rendimiento.

Metodología

Los autores proponen tres modificaciones específicas a la arquitectura canónica de la QRNN para abordar estas limitaciones. El estudio utiliza dos conjuntos de datos financieros (Yahoo Finance y Oxford-Man Institute) para pronosticar los rendimientos diarios del S&P 500, empleando secuencias de 8 días. Los modelos se simulan en el AerSimulator de Qiskit (tanto sin ruido como con el modelo de ruido IBM Torino Heron r1).

1. Aumento de Características de Amplitud Pre-normalizada

Para mitigar la pérdida de información de magnitud inherente a la codificación de amplitud, los autores introducen un paso de preprocesamiento. Antes de normalizar el vector de características para la codificación cuántica, añaden una nueva característica que representa la norma $\ell_2$ (amplitud pre-normalizada) del vector original.

• Implementación: Las $N$ características originales se escalan mediante MinMax. La nueva característica de amplitud se escala luego utilizando un escalador MinMax o MaxMin antes de que todo el vector de $N+1$ dimensiones sea normalizado.
• Hipótesis: El escalado MaxMin de la característica de amplitud preserva mejor las relaciones relativas entre muestras que el escalado MinMax, permitiendo al modelo distinguir entre vectores de diferentes magnitudes.

2. Codificación de Amplitud Aproximada EnQode

Para superar la profundidad exponencial de la QSP exacta, el artículo integra EnQode, un enfoque de aprendizaje automático clásico para la preparación de estados aproximada.

• Mecanismo: EnQode utiliza agrupamiento k-means en el conjunto de datos normalizado para identificar centroides. Un PQC Ansatz se entrena clásicamente (usando representación simbólica y retropropagación) para preparar el estado cuántico correspondiente a cada centroide.
• Aplicación: Durante la inferencia, se identifica el centroide más cercano a una nueva muestra, y los parámetros pre-entrenados para ese centroide se utilizan para generar un estado codificado por amplitud aproximado $|\tilde{x}_t\rangle$. Esto permite un escalado logarítmico en la profundidad del circuito y el número de qubits.

3. Circuito de Registro de Mapa de Características Alterno

Para reducir la profundidad del circuito y los errores de decoherencia, los autores proponen un nuevo diseño de circuito que utiliza registros de mapas de características (F) alternos.

• Mecanismo: En lugar de reutilizar un único registro F (que requiere reiniciar y recodificar entre pasos de tiempo mientras se preserva el estado oculto), la nueva arquitectura utiliza dos registros F. Mientras el PQC Ansatz procesa el estado del paso de tiempo $t-1$ en un registro, el siguiente estado de entrada $|x_t\rangle$ se prepara en el segundo registro.
• Equivalencia: A diferencia de la "QRNN Escalonada" (SQRNN) que descarta información para reiniciar los qubits, esta estructura alternante es matemáticamente equivalente a la QRNN canónica en un procesador ideal, pero reduce significamente la profundidad requerida del circuito.

Resultados Clave

Comparación de Rendimiento (Modelos Base)

• Amplitud vs. Codificación de Ángulo: La QRNN de Amplitud (sin modificaciones) logró un Error Cuadrático Medio (MSE) de prueba inferior de 0.009 en comparación con la QRNN de Ángulo (0.015) y la RNN clásica (0.012), a pesar de tener menos parámetros entrenables (28 vs 44). Esto confirma que la codificación de amplitud ofrece una mejor generalización para esta tarea.

Impacto del Preprocesamiento

• Característica de Amplitud: Añadir la característica de amplitud pre-normalizada mejoró el rendimiento.
  • Escalado MinMax: Convergió más rápido en los datos de entrenamiento pero mostró una menor generalización.
  • Escalado MaxMin: Logró la mejor generalización, reduciendo el MSE de prueba a 0.0056 (una mejora del 36% sobre la QRNN de Amplitud base).

Impacto de la Codificación Aproximada (EnQode)

• Fidelidad vs. Profundidad: EnQode logró una fidelidad de preparación de estado promedio de 0.94.
• Simulación sin Ruido: El uso de EnQode aumentó la pérdida de prueba en un 40% en comparación con la QSP exacta debido a los errores de preparación de estado.
• Simulación con Ruido: Al simular el modelo de ruido IBM Torino, el modelo EnQode superó al modelo de QSP exacta. La reducción en la profundidad del circuito (y la subsiguiente reducción de los errores de decoherencia) compensó la penalización de la infidelidad del 6% en la preparación del estado.

Impacto de la Estructura del Circuito

• Escalamiento de Profundidad: La arquitectura de registro F alterno redujo la profundidad del circuito en comparación con la arquitectura estándar.
• Escalabilidad: Aunque la diferencia de profundidad fue insignificante para conjuntos de características pequeños (4-8 características), el artículo demuestra que la profundidad de la estructura alternante escala de manera más favorable a medida que aumenta el número de características, particularmente en procesadores con conectividad limitada donde se requieren puertas swap.

Significación y Reivindicaciones

El artículo establece un nuevo conjunto de mejores prácticas para implementar QRNN en hardware de la era actual. Los autores afirman que:

1. Generalización: Aumentar las entradas codificadas por amplitud con características de amplitud pre-normalizadas (específicamente usando escalado MaxMin) mejora significamente la generalización del modelo al preservar la información de magnitud.
2. Viabilidad: La codificación de amplitud aproximada EnQode es una estrategia viable para las QRNN. Aunque introduce un error de preparación de estado, la reducción resultante en la profundidad del circuito la hace superior a la codificación exacta en entornos ruidosos.
3. Eficiencia: El circuito de registro F alterno proporciona una implementación más profunda pero matemáticamente equivalente de las QRNN, abordando directamente las restricciones de coherencia.

Los autores concluyen que estas técnicas no se limitan a las QRNN, sino que son aplicables a otros marcos de aprendizaje de secuencias cuánticas, como el Computación de Reservorio Cuántico (QRC), las Máquinas de Aprendizaje Extremo Cuántico (QELM) y los Modelos Ocultos de Markov Cuánticos (QHMM), que comparten estructuras similares de registro latente y codificación de datos.