A Coherence Law for Trainability in Noisy Equivariant Quantum Neural Networks

Resumen Técnico: Una Ley de Coherencia para la Entrenabilidad en Redes Neuronales Cuánticas Equivariantes con Ruido

Planteamiento del Problema
La entrenabilidad de los Algoritmos Cuánticos Variacionales (VQA) se ve amenazada por dos mecanismos distintos: el fenómeno de la meseta estéril (barren plateau), donde los gradientes desaparecen exponencialmente debido a la expresividad del circuito, y la degradación inducida por el ruido. La simetría (específicamente la equivariancia) se ha establecido como una herramienta estructural para mitigar las mesetas estériles al restringir el álgebra de Lie dinámica, pero no protege inherentemente contra el ruido. Existe una brecha crítica en la comprensión de qué cantidad física determina si los gradientes de un circuito equivariante sobreviven a la decoherencia. Los diagnósticos de canales estándar (p. ej., infidelidad promedio de la puerta, pérdida de unitariedad) suelen fallar al predecir la entrenabilidad porque promedian sobre grados de libertad que no participan en la respuesta específica del gradiente. El artículo aborda la pregunta: ¿Qué cantidad física gobierna la supervivencia de los gradientes en redes neuronales cuánticas (QNN) equivariantes con ruido?

Metodología
Los autores investigan circuitos de ladrillo (brickwork) $U(1)$-equivariantes actuando sobre un grafo de ciclo con condiciones de contorno periódicas. El sistema conserva una carga total $\hat{N}$, y el estado de entrada está fijado dentro de un único sector de carga (específicamente el sector de una sola excitación, $r=1$).

• Modelo: El circuito consiste en rotaciones $R_z$ de un solo qubit entrenables y puertas de salto $XY$ de vecinos cercanos fijas. La salida es una lectura local proyectada en el sector $O_B = P_r Z_0 P_r$.
• Métrica de Entrenabilidad: La entrenabilidad se cuantifica mediante el segundo momento del gradiente de predicción, $M_2(\theta_i; \gamma)$, evaluado sobre un prior de parámetros de caja pequeña. La degradación se mide como $D_M(\gamma) = \log[M_2(\theta_i; 0) / M_2(\theta_i; \gamma)]$.
• Marco Teórico:
  1. Reducción del Cono de Luz: Los autores demuestran que los gradientes activos están soportados estrictamente dentro del cono de luz hacia atrás de la lectura, restringidos al sector de carga activo. Establecen un límite inferior para el segundo momento del gradiente sin ruido que es independiente del número total de qubits $n$, siempre que la entrada mantenga un peso finito dentro del cono de luz.
  2. Análisis de Coherencia: Se muestra que la amplitud del gradiente reside en los elementos fuera de la diagonal (coherencia) del sector de carga activo. Los autores definen la tasa de coherencia alineada visible para la lectura ($\lambda_{vis}$) como un cociente de Rayleigh del generador de ruido a lo largo del modo específico que transporta el gradiente. Esto se contrasta con la tasa de coherencia del peor caso ($\lambda_{coh}$), que maximiza sobre todas las direcciones fuera de la diagonal.
  3. Ley Perturbativa: Un análisis de sistema abierto de primer orden deriva una ley de entrenamiento donde la degradación de primer orden es proporcional a la contracción alineada acumulada.
• Protocolo Numérico: Las simulaciones evolucionan matrices de densidad completas para tamaños de sistema hasta $n=10$ y profundidades $L \in \{3, \dots, 6\}$. El estudio emplea una cuadrícula de profundidades de ruido y compara canales restringidos-isotrópicos (amortiguamiento de amplitud, desfasamiento, depolarización) contra canales estructurados y anisotrópicos (incluyendo un control de desfasamiento correlacionado).

Contribuciones Clave

1. Teorema de Reducción del Cono de Luz: El artículo demuestra que, para circuitos de ladrillo $U(1)$-equivariantes, el soporte de los gradientes activos está confinado al cono de luz hacia atrás de la lectura dentro del sector de carga. Crucialmente, la magnitud del gradiente sin ruido tiene un límite inferior independiente del tamaño total del sistema, siempre que la excitación de entrada no se deslocalice completamente fuera del cono.
2. Tasa de Coherencia Alineada Visible para la Lectura: Los autores identifican que la entrenabilidad está gobernada no por las propiedades globales del canal o las poblaciones de los sectores, sino por la tasa de contracción del modo específico fuera de la diagonal que transporta el gradiente. Definen $\lambda_{vis}$ como la cantidad fundamental, mostrando que está acotada por la tasa del peor caso $\lambda_{coh}$ ($\lambda_{vis} \leq \lambda_{coh}$).
3. Ley de Entrenamiento Empírica: A través de simulaciones de matriz de densidad, los autores derivan una ley de escala empírica para la degradación por ruido finito: $D_M \propto (\gamma L)^{1.002} \lambda_{coh}^{0.964}$ (con $R^2 \approx 0.979$) para ruido restringido-isotrópico.
4. Superioridad del Diagnóstico: El estudio demuestra que la tasa de coherencia del sector supera significativamente a los diagnósticos de canal estándar (p. ej., infidelidad promedio, pérdida de pureza) al predecir la degradación del gradiente, ya que está emparejada con el subespacio del operador específico de la respuesta.

Resultados

• Localización: Los mapas numéricos confirman que los gradientes desaparecen fuera del cono de luz hacia atrás analítico, con una razón de activo-inactivo que supera $10^{27}$.
• Validez Perturbativa: En el régimen de ruido bajo, la degradación del gradiente es lineal en el producto de la profundidad del ruido y la tasa de coherencia, validando la derivación perturbativa.
• Escala de Ruido Finito: La degradación sigue una ley de potencia que depende de la profundidad de ruido acumulada ($\gamma L$) y la tasa de coherencia. La tasa de coherencia explica aproximadamente el 94% de la varianza en la degradación que la profundidad del ruido por sí sola no puede resolver.
• El Control de Alineación Cero: Una prueba decisiva utilizando un canal de desfasamiento correlacionado reveló un canal con una gran tasa del peor caso ($\lambda_{coh} = 4.5$) pero una tasa alineada cercana a cero ($\lambda_{vis} \approx 0$). Como predijo la teoría, este canal no produjo ninguna pérdida de gradiente medible ($|D_M| < 3 \times 10^{-14}$), demostrando que la tasa del peor caso es insuficiente para predecir la entrenabilidad en ruido estructurado.
• Independencia de Tamaño: La ley de degradación permanece invariante con respecto al número total de qubits $n$ (probado hasta $n=10$) y las condiciones de contorno (ciclo frente a cadena abierta), confirmando el límite inferior teórico.

Significado y Reclamaciones
El artículo afirma establecer una "ley de coherencia" que vincula la arquitectura equivariante, la dinámica de sistemas abiertos y la entrenabilidad con ruido. El hallazgo central es que la coherencia de sector visible para la lectura es la cantidad operativa que determina la supervivencia del gradiente.

• Mecanismo: La causalidad fija dónde vive el gradiente (el cono de luz), mientras que la coherencia determina qué tan rápido decae (la tasa de contracción alineada).
• Implicación para Benchmarks: Reportar la covarianza de simetría o la fuga de sectores es insuficiente. Un benchmark útil debe reportar la supervivencia de la coherencia del sector dentro del cono de luz de la lectura.
• Implicación para el Diseño: El diseño de ansatz consciente del hardware debe priorizar la colocación de la coherencia que transporta el gradiente en direcciones que se contraigan lentamente bajo el modelo de ruido específico, en lugar de confiar únicamente en la preservación de la simetría.
• Limitaciones: La ley escalar limpia está explícitamente delimitada al sector de una sola excitación y al ruido restringido-isotrópico. Para sectores superiores o ruido estructurado, la tasa alineada (que requiere un cálculo de cociente de Rayleigh) es necesaria, ya que el escalar del peor caso falla. El estudio se limita a simulaciones numéricas y no reporta validación experimental en hardware.

El artículo concluye que la supervivencia de los gradientes entrenables en QNNs equivariantes con ruido es una función de la alineación entre el generador de ruido y el modo que transporta el gradiente, más que de la fuerza global del canal de ruido.