Image classification via a quantum-inspired strategy involving a mixture of experts

Resumen Técnico: Clasificación de Imágenes mediante una Mezcla de Expertos de Inspiración Cuántica

Planteamiento del Problema
El reconocimiento de patrones en el procesamiento de imágenes físicas requiere a menudo la extracción de características relevantes de conjuntos de datos masivos donde el almacenamiento y el tiempo de procesamiento están limitados. Las Redes Neuronales Convolucionales (CNN) estándar abordan esto mediante la difusión por esparcimiento y el agrupamiento por bloques (block-wise pooling) para reducir la dimensionalidad de los datos. Sin embargo, estos mecanismos clásicos son inherentemente con pérdida; degradan los detalles estructurales finos para reducir la complejidad computacional. Si bien los algoritmos cuánticos ofrecen ventajas potenciales de eficiencia, las ventajas significativas suelen requerir entradas de datos cuánticos genuinos. Este trabajo aborda el desafío de mejorar la eficiencia de la extracción de características y la clasificación para conjuntos de datos de imágenes estándar, proponiendo un marco híbrido clásico-cuántico que minimiza la pérdida de información durante el proceso de reducción de escala (downsampling).

Metodología
Los autores proponen un marco de Mezcla de Expertos Cuánticos (QMoE), implementado como un sistema híbrido donde subrutinas de inspiración cuántica reemplazan componentes específicos de una CNN estándar, seguido de una red neuronal totalmente conectada clásica (FCL) para la clasificación final. La metodología consta de cinco etapas clave:

1. Codificación de Estados:

   • Las imágenes de entrada (MNIST y Fashion-MNIST, originalmente de 28×28) se rellenan (padding) a 32×32 y se umbralizan a valores binarios ($c_{x,y} = \pm 1$).
   • Las imágenes se embeben en estados cuánticos de 10 cúbits mediante codificación de amplitud: $|\psi\rangle = \frac{1}{32} \sum c_{x,y} |x, y\rangle$. Esto reduce el requisito de recursos espaciales exponencialmente, permitiendo que las operaciones subsiguientes actúen sobre el estado codificado en lugar de los píxeles brutos.

2. Difusión Convolucional (Unitaria vs. Difusión):

   • Línea Base Clásica: Utiliza un operador Laplaciano discreto para la difusión iterativa: $X^{t+1}_{i,j} = (1-\alpha)X^t_{i,j} + \frac{\alpha}{4}\sum X^t_{vecinos}$. Este es un proceso con pérdida.
   • Estrategia Cuántica: Reemplaza la difusión con difusión unitaria sin pérdida. La cuadrícula de la imagen se divide en subconjuntos pares e impares (patrón de tablero de ajedrez). Los operadores unitarios locales ($U_o, U_e$) mezclan las amplitudes en las esquinas de los cuadrados elementales utilizando bloques hamiltonianos derivados de matrices de Pauli. La mezcla está controlada por un parámetro $s = \sin \theta$, que se optimiza durante el entrenamiento.

3. Mezcla de Expertos (MoE):

   • Se definen múltiples "expertos" mediante distintos valores de parámetros ($\theta_i$) utilizados en la difusión unitaria.
   • Estrategia Independiente: Cada experto procesa la imagen y las predicciones se combinan mediante votación por mayoría.
   • Estrategia Conjunta: Las características extraídas por todos los expertos se concatenan y son procesadas conjuntamente por el clasificador. El artículo enfatiza este enfoque conjunto.

4. Agrupamiento por Bloques (Códigos Estabilizadores):

   • Línea Base Clásica: Reduce la resolución de la imagen (32×32 $\to$ 16×16 $\to$ 8×8 $\to$ 4×4) mediante el promedio ponderado de ventanas de 3×3.
   • Estrategia Cuántica: Utiliza el código estabilizador perfecto no degenerado [[5,1,3]]. Dado que las coordenadas de los píxeles se codifican en 5 cúbits por eje, el código extrae síndromes (valores de expectativa de generadores conmutativos) para producir 16 características distintas por eje. Esto reemplaza el downsampling irreversible con una extracción de síndrome determinista que preserva información estructural específica.

5. Clasificación:

   • Las características extraídas (16 características por experto por capa) se introducen en una red neuronal totalmente conectada (FCL) estándar con una arquitectura de embudo (512 $\to$ 256 $\to$ 128 $\to$ 10).
   • El sistema se entrena utilizando el optimizador Adam con CrossEntropyLoss (incluyendo suavizado de etiquetas) en estaciones de trabajo con GPU utilizando PyTorch.

Contribuciones Clave

• Marco Híbrido: El artículo introduce una arquitectura específica donde la difusión clásica es reemplazada por la convolución unitaria y el agrupamiento (pooling) clásico es reemplazado por la extracción de síndromes de código estabilizador cuántico.
• Mezcla de Expertos: Demuestra que un proceso de toma de decisiones conjunta entre múltiples expertos (cada uno con diferentes parámetros de difusión) supera significativamente tanto a la votación de expertos independientes como a las líneas base clásicas de un solo experto.
• Extracción Eficiente de Características: Al aprovechar la codificación de amplitud y los códigos estabilizadores, el método reduce la dimensionalidad de entrada de 784 píxeles a 16 características (o $16 \times N_{exp} \times N_{lyr}$ en el caso de MoE) manteniendo más información relevante que el downsampling clásico con pérdida.
• Implementación Práctica: El algoritmo se implementa enteramente en hardware GPU clásico utilizando un enfoque de "inspiración cuántica" (operaciones tensoriales que simulan estados cuánticos), lo que lo hace inmediatamente desplegable sin requerir hardware cuántico real.

Resultos
El marco fue evaluado comparativamente contra líneas base de difusión clásica en los conjuntos de datos MNIST y Fashion-MNIST:

• Conjunto de Datos MNIST:
  • La línea base clásica (óptimo $\alpha=1.5$) alcanzó un 95.02% de precisión en el test.
  • La estrategia de Experto Conjunto Cuántico (16 expertos, 16 capas) alcanzó un 97.63% de precisión en el test.
  • Esto representa una reducción en la tasa de error de aproximadamente un factor de dos en comparación con el método clásico.
• Conjunto de Datos Fashion-MNIST:
  • Debido a la ambigüedad de las formas, la línea base clásica alcanzó un máximo de 76.80%.
  • La estrategia de Experto Conjunto Cuántico (18 expertos, 16 capas) alcanzó un 86.20%.
  • Nuevamente, la tasa de error se redujo en aproximadamente un factor de dos.
• Sobrecarga Computacional: El tiempo por época del modelo de inspiración cuántica de experto conjunto mostró solo un aumento moderado en comparación con la línea base clásica, lo que hace que el enfoque sea computacionalmente práctico en estaciones de trabajo con GPU actuales.

Significancia y Reivindicaciones
El artículo afirma que la estrategia de inspiración cuántica propuesta ofrece una ventaja clara en tareas de clasificación de imágenes, particularmente para conjuntos de datos con características estructurales complejas como Fashion-MNIST. La significancia principal radica en la demostración de que:

1. La convolución unitaria retiene más información de la imagen que la difusión clásica con pérdida.
2. La extracción de síndromes basada en códigos estabilizadores proporciona un método robusto para la reducción de características que supera al agrupamiento (pooling) estándar.
3. El análisis conjunto de expertos extrae más características relevantes que el análisis independiente, validando el enfoque de "Mezcla de Expertos" dentro de este contexto de inspiración cuántica.

Los autores concluyen que, aunque la implementación actual es clásica (simulada), el marco está diseñado para ser ejecutable en un procesador cuántico (como se detalla en el Apéndice), sugiriendo un camino viable hacia procesadores híbridos clásico-cuánticos para futuras tareas de aprendizaje automático. Indican modestamente que la estrategia es una alternativa práctica a los esquemas clásicos existentes con una sobrecarga moderada, más que un reemplazo para todos los métodos clásicos.