Benchmarking loss functions for trainable quantum feature maps

Resumen Técnico: Evaluación Comparativa de Funciones de Pérdida para Mapas de Características Cuánticas Entrenables

Declaración del Problema
Las Máquinas de Vectores de Soporte Cuánticas (QSVM) dependen de Mapas de Características Cuánticas (QFM) para codificar datos clásicos en estados cuánticos de alta dimensión. Si bien las QSVM estándar utilizan QFMs fijos, esto limita su expresividad y adaptabilidad a distribuciones de datos no lineales complejas. Los Mapas de Características Cuánticas Entrenables (TQFM) abordan esto introduciendo compuertas parametrizadas y el re-cargado de datos (data re-uploading) para optimizar el espacio de incrustación. Sin embargo, la optimización de los TQFM depende fuertemente de la elección de la función de pérdida. La literatura existente carece de una comprensión sistemática de cómo diferentes funciones de pérdida influyen en la dinámica de optimización, los costos computacionales y la estabilidad de la clasificación. Específicamente, los autores identifican un "problema de cruce de trayectorias" en esquemas de entrenamiento de objetivo fijo donde las trayectorias de optimización se intersectan, lo que conduce a una convergencia inestable y caídas abruptas en la precisión.

Metodología
Los autores proponen un marco de evaluación sistemática comparando tres funciones de pérdida distintas para entrenar TQFMs dentro de un flujo de trabajo híbrido cuántico-clásico de QSVM:

1. Pérdida de Distancia (DL): Basada en la distancia de Hilbert-Schmidt entre matrices de densidad mixtas de diferentes clases. Este método busca maximizar la separación interclase, pero requiere evaluar todas las fidelidades por pares, lo que resulta en una complejidad computacional cuadrática de $O(M^2)$, donde $M$ es el tamaño del conjunto de datos.
2. Pérdida de Medición (ML): Asigna a cada clase un estado base ortogonal fijo y minimiza el error entre el estado codificado y el objetivo. Este enfoque evalúa las muestras de forma independiente, logrando una complejidad lineal de $O(M)$. Sin embargo, los autores plantean la hipótesis de que forzar los cúmulos hacia objetivos fijos en un espacio de Hilbert restringido causa cruces de trayectorias.
3. Pérdida de Log-Verosimilitud (LLL): La propuesta central de este trabajo. Inspirado en la Estimación de Máxima Verosimilitud, este método reinterpreta la fidelidad $|\langle \psi | y \rangle|^2$ como una probabilidad condicional $P(y|x)$. En lugar de minimizar una penalización lineal, LLL minimiza el logaritmo negativo de la verosimilitud:
   $$L_{LLL}(\theta) = -\frac{1}{L} \sum_{j=1}^{L} \frac{1}{M_j} \sum_{i=1}^{M_j} \log \left( |\langle \psi(x_i^j, \theta) | y_j \rangle|^2 \right)$$
   Esta formulación aplica una penalización no lineal que aumenta rápidamente para las muestras con bajas probabilidades de predicción, enfatizando así las muestras difíciles de clasificar y proporcionando una señal de optimización más fuerte.

Configuración Experimental
El estudio utiliza el simulador de vector de estado de Qiskit con el ansatz EfficientSU2. Los experimentos se realizaron en tres conjuntos de datos sintéticos (Moons, Circles, Gaussian) que representan distintos niveles de no linealidad y complejidad de clase. La evaluación involucró 20 ejecuciones independientes por configuración para evaluar la estabilidad estadística, variando las profundidades del circuito (de 1 a 6 capas) y probando la robustez contra ruido de lectura y de despolarización simulado.

Resultados Clave

• Estabilidad de la Optimización: El método ML exhibió una inestabilidad significativa, caracterizada por el "problema de cruce de trayectorias", donde el solapamiento interclase aumentó bruscamente y la precisión cayó durante el entrenamiento temprano, particularmente en circuitos poco profundos. El método LLL mitigó esto con éxito, logrando una convergencia estable comparable al método DL, pero sin el costo cuadrático.
• Eficiencia Computacional: El método DL mantuvo la mayor precisión de clasificación, pero sufrió un escalamiento de $O(M^2)$, lo que lo hace impráctico para conjuntos de datos grandes. Tanto ML como LLL mantuvieron un escalamiento lineal de $O(M)$. El tiempo de entrenamiento de LLL fue casi idéntico al de ML, confirmando que la mejora en la estabilidad no conlleva un costo computacional adicional.
• Desempeño de Clasificación:
  • DL alcanzó consistentemente la mayor precisión media en los conjuntos de datos.
  • LLL superó significativamente a ML en términos de estabilidad (menor desviación estándar en la precisión entre ejecuciones) y logró una precisión media competitiva, igualando o incluso superando a ML en ocasiones, especialmente en circuitos poco profundos (por ejemplo, circuitos de 1 capa en el conjunto de datos Circles).
  • El aumento de la profundidad del circuito (capas variacionales) ayudó a mitigar el cruce de trayectorias para todos los métodos, pero introdujo un compromiso donde la profundidad excesiva llevó al sobreajuste sin ganancias proporcionales en la precisión de prueba.
• Robustez al Ruido: Bajo modelos de ruido simulado, el método LLL mantuvo un desempeño robusto en conjuntos de datos más simples (Moons), pero mostró la degradación esperada en conjuntos de datos más complejos (Circles, Gaussian), consistente con la dificultad de la tarea de clasificación.

Significancia y Reivindicaciones
El artículo sostiene que el diseño del objetivo de entrenamiento es un factor crítico para determinar la entrenabilidad y la generalización de las QSVM basadas en TQFM. La contribución principal es la introducción de la Pérdida de Log-Verosimilitud, que ofrece una solución práctica al compromiso entre eficiencia computacional y estabilidad de optimización.

Los autores afirman que LLL proporciona un "comportamiento de optimización más estable" que la convencional Pérdida de Medición, manteniendo una complejidad computacional lineal. Esta evaluación ofrece una guía práctica para equilibrar la entrenabilidad, la eficiencia y el desempeño predictivo. El trabajo no pretende resolver las limitaciones fundamentales de los dispositivos NISQ, sino que proporciona una mejora metodológica para la fase de optimización de los clasificadores cuánticos híbridos.

Direcciones Futuras
Los autores señalan que el marco actual todavía depende de un SVM clásico para la decisión final. Sugieren que trabajos futuros deberían explorar esquemas de inferencia totalmente cuánticos que asignen etiquetas directamente basándose en las probabilidades de medición. Además, es necesaria una investigación adicional sobre la relación entre la expresividad del circuito (número de parámetros vs. propiedades estructurales) y el desempeño de la optimización.