Explainable quantum regression algorithm with encoded data structure

Resumen Técnico: Algoritmo de Regresión Cuántica Explicable

1. Planteamiento del Problema

Los algoritmos cuánticos variacionales (VQA) actuales, aunque prometedores para problemas como la optimización y el aprendizaje automático cuántico, sufren de dos limitaciones críticas en la era de los dispositivos cuánticos de escala intermedia ruidosa (NISQ):

1. Falta de interpretabilidad: La mayoría de los VQA utilizan ansatz (estructuras de circuitos) genéricos o eficientes para el hardware, convirtiendo el modelo en una "caja negra". Los parámetros variacionales no tienen una correspondencia directa con los coeficientes de regresión, lo que impide la interpretación física o estadística de los resultados.
2. Dependencia de hardware tolerante a fallos: Muchas propuestas anteriores asumen hardware libre de ruido, lo cual no es realista para la implementación actual.
3. Complejidad de recursos: Los métodos de codificación de datos existentes a menudo requieren un número excesivo de qubits físicos o circuitos profundos, lo que aumenta el ruido y la probabilidad de error.

El objetivo de este trabajo es desarrollar el primer algoritmo de regresión cuántica totalmente interpretable, donde los parámetros del circuito cuántico correspondan directamente a los coeficientes de regresión clásicos, minimizando la complejidad de los circuitos y siendo robusto ante el ruido.

2. Metodología

El algoritmo propuesto es un enfoque híbrido cuántico-clásico que se basa en una estructura de datos codificada específicamente diseñada para la regresión.

A. Codificación de Datos y Estado Cuántico
El algoritmo codifica la tabla de datos clásica (variables independientes $X$ y variable dependiente $Y$) directamente en las amplitudes de un estado cuántico $|\psi_D\rangle$. Se proponen dos esquemas de codificación:

1. Codificación One-Hot: Cada par (observación, característica) se mapea a un índice único. Requiere $L(M+1)$ qubits (donde $L$ es el número de observaciones y $M$ el número de características). Es simple de implementar pero costoso en recursos de qubits.
2. Codificación Binaria Compacta: Los índices de filas y columnas se almacenan en registros de qubits separados utilizando representación binaria. Esto reduce el número de qubits necesarios a $O(\log(LM))$, una compresión exponencial en comparación con one-hot, ideal para dispositivos con recursos limitados.

B. Mapeo de Coeficientes de Regresión a Amplitudes
La innovación central reside en cómo se introducen los coeficientes de regresión ($W_m$). En lugar de usar rotaciones arbitrarias, el algoritmo utiliza puertas de fase controladas ($U^m_C(\phi)$) sobre un qubit auxiliar (ancilla).

• Se prepara un estado ancilla en $|+\rangle$.
• Se aplican puertas de fase controladas que imparten una fase $\phi_m$ dependiente de la columna $m$.
• Tras aplicar una puerta Hadamard al ancilla y proyectar en el estado $|0\rangle$, la amplitud del estado resultante se transforma proporcionalmente a $\cos(\phi_m)$.
• Interpretabilidad: Los coeficientes de regresión se identifican directamente como $W_m \propto \cos(\phi_m)$. Esto garantiza que los parámetros variacionales sean números reales con un significado físico directo, eliminando la "caja negra".

C. Función de Costo y Entrenamiento

• La función de costo $C$ se define como el valor esperado de un operador hermitiano $\hat{M}$, que es proporcional al Error Cuadrático Medio (MSE) de la regresión.
• Se integran técnicas de regularización (LASSO $L_1$ y Ridge $L_2$) en la función de costo clásica para evitar el sobreajuste y seleccionar características importantes.
• Optimización: Se utiliza el algoritmo de optimización libre de gradientes Nelder-Mead (NM) en lugar de métodos basados en gradientes (como el descenso de gradiente con desplazamiento de parámetros). Esto se debe a que los métodos basados en gradientes son ineficientes en hardware ruidoso y propensos a sufrir del problema de "mesetas áridas" (barren plateaus). El enfoque propuesto utiliza una estrategia de "inicio en caliente" (warm start) con resultados subóptimos globales para refinar la búsqueda.

D. Estrategia de Muestreo (Bootstrap)
Para mitigar el ruido del hardware y manejar grandes conjuntos de datos, el algoritmo emplea muestreo bootstrap:

• Se dividen los datos de entrenamiento en múltiples subconjuntos más pequeños (lotes).
• Se entrena un modelo de regresión para cada lote por separado en el hardware cuántico.
• Los coeficientes finales se obtienen promediando los resultados del conjunto (ensemble), calculando también los errores estándar y las estadísticas de confianza.

3. Contribuciones Clave

1. Interpretabilidad Total: Es el primer algoritmo donde los parámetros variacionales son directamente los coeficientes de regresión ($W_m = -\cos(\phi_m)/\cos(\phi_0)$), permitiendo una validación clara de la importancia de las características.
2. Compresión de Recursos: La propuesta de codificación binaria compacta reduce exponencialmente el número de qubits físicos necesarios ($O(\log(LM))$) en comparación con la codificación one-hot, haciéndolo viable para dispositivos NISQ.
3. Reducción de Complejidad de Puertas: El uso de puertas de fase controladas y la estructura de datos codificada reducen la complejidad del circuito para calcular el mapa de regresión en comparación con métodos de inversión de matrices o kernels cuánticos tradicionales.
4. Robustez al Ruido: El uso de optimización Nelder-Mead y entrenamiento por lotes (bootstrap) mitiga el problema de las mesetas áridas y el ruido de medición, permitiendo resultados fiables incluso en hardware imperfecto.
5. Extensión a No Linealidad: El algoritmo puede manejar regresiones no lineales mediante la preprocesamiento clásico de características (creación de columnas de características no lineales), manteniendo el mapeo lineal en el circuito cuántico y reduciendo la profundidad del circuito.

4. Resultados Numéricos

Los autores validaron el algoritmo mediante simulaciones clásicas que emulan el comportamiento del hardware cuántico:

• Precisión en Regresión Lineal: El algoritmo recuperó con éxito los coeficientes de regresión ideales ($\hat{W}$) en datos sintéticos sin ruido, utilizando diferentes tamaños de lotes bootstrap.
• Robustez al Ruido: En presencia de ruido gaussiano ($\delta = 0.1$), el método mantuvo la capacidad de identificar las características correctas, aunque con una mayor desviación en los pesos estimados para tamaños de lote pequeños. Se observó que tamaños de lote óptimos (ej. 150) equilibran la varianza y el sesgo.
• Selección de Características: La regularización $L_1$ funcionó eficazmente para eliminar características irrelevantes (pesos cercanos a cero), demostrando la capacidad del algoritmo para realizar selección de variables.
• Regresión No Lineal: Se demostró que el algoritmo puede aproximar funciones no lineales (como $Y = \sin(x)$) mediante la expansión de características polinómicas preprocesadas, logrando una alta concordancia entre los pesos teóricos y los aprendidos.

5. Significado e Impacto

Este trabajo representa un avance significativo hacia la utilidad práctica de la computación cuántica en el aprendizaje automático:

• Confianza en la Toma de Decisiones: Al proporcionar modelos interpretables, el algoritmo hace viable la aplicación de la IA cuántica en dominios críticos como la salud y las finanzas, donde la explicabilidad es un requisito regulatorio.
• Viabilidad en Hardware NISQ: Al reducir la necesidad de qubits y profundidades de circuito, y al evitar los problemas de optimización de gradientes, el algoritmo está diseñado específicamente para ser ejecutado en hardware cuántico actual y de transición a tolerancia a fallos.
• Puente entre Clásico y Cuántico: Demuestra cómo la estructura de datos clásica puede ser explotada directamente en el dominio cuántico para obtener ventajas computacionales sin sacrificar la interpretabilidad estadística.

En conclusión, el algoritmo de regresión cuántica explicable de Wang et al. ofrece una ruta práctica y teóricamente sólida para resolver problemas de regresión en dispositivos cuánticos ruidosos, combinando eficiencia de recursos, robustez ante el ruido y, lo más importante, una interpretabilidad total de los modelos generados.