⚛️ quantum physics

"Train classical, deploy quantum" requires rethinking generalization

Este artículo demuestra que los modelos generativos cuánticos entrenados clásicamente mediante pérdidas de emparejamiento de momentos (como MMD $^2$ ) a menudo fallan al generalizar bien en comparación con los modelos entrenados por verosimilitud, lo que sugiere que el paradigma de "entrenar-clásicamente, desplegar-cuánticamente" requiere nuevos enfoques que apunten directamente a la generalización en lugar de depender de las pérdidas de entrenamiento convergidas como un sustituto.

Autores originales: Snehal Raj, Natansh Mathur, Alejandro Perdomo-Ortiz

Publicado 2026-09-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Snehal Raj, Natansh Mathur, Alejandro Perdomo-Ortiz

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el bullicioso mundo de la ciencia moderna, los investigadores recurren cada vez más a computadoras que imitan las extrañas reglas probabilísticas del mundo subatómico para resolver problemas que desconciertan a las máquinas tradicionales. Estas computadoras cuánticas no solo procesan números más rápido; pueden generar nuevos datos de forma natural, creando patrones de números que parecen fenómenos del mundo real, desde las formas de nuevas moléculas hasta la estructura del código genético. Para hacer que estas máquinas sean útiles, los científicos suelen utilizar una estrategia llamada "entrenar en clásico, desplegar en cuántico". Este enfoque consiste en enseñar un modelo en una computadora estándar y potente, donde los cálculos son baratos y fáciles, y luego entregar el modelo terminado a un dispositivo cuántico para producir los resultados finales. La esperanza es que la máquina cuántica genere muestras complejas y realistas que una computadora clásica nunca podría producir por sí sola. Sin embargo, queda una pregunta crítica: solo porque un modelo haya sido entrenado con éxito en una computadora, ¿realmente entiende las reglas subyacentes de los datos, o simplemente ha memorizado los ejemplos que se le mostraron?

Un equipo de investigadores se propuso responder a esta pregunta sometiendo a prueba una amplia variedad de modelos generativos. Compararon trece modelos diferentes, incluyendo tanto diseños clásicos como aquellos construidos para hardware cuántico, frente a dos tipos de datos muy distintos. El primer conjunto de datos fue un rompecabezas matemático que involucraba cadenas de bits donde el número de unos y ceros debía estar perfectamente equilibrado, una restricción que se mantuvo constante en sistemas que iban desde los dieciséis hasta los treinta bits. El segundo conjunto de datos se extrajo de la biología del mundo real, consistiendo en miles de secuencias genéticas observadas de un conjunto específico de organismos. Los investigadores entrenaron estos modelos utilizando un método común que se centra en igualar promedios estadísticos específicos, una técnica que se cree ampliamente que es un signo fiable de que un modelo está aprendiendo correctamente. Luego dejaron que los modelos funcionaran libremente, generando miles de nuevas muestras, para ver si los modelos podían producir datos válidos y no vistos que coincidieran con la distribución real de los conjuntos originales.

Los resultados revelaron una desconexión sorprendente entre qué tan bien se desempeñó un modelo durante el entrenamiento y qué tan bien funcionó en la práctica. Los investigadores descubrieron que los modelos entrenados para igualar promedios estadísticos a menudo convergían a un estado en el que su puntuación de entrenamiento era excelente, pero fallaban al generar nuevos datos válidos. En el rompecabezas matemático, estos modelos produjeron cadenas que eran casi enteramente inválidas, fallando en respetar las reglas básicas del juego a pesar de tener una puntuación de entrenamiento casi perfecta. En contraste, los modelos entrenados utilizando un enfoque diferente, que se centraba en la verosimilitud de los datos, produjeron consistentemente muestras de alta calidad y válidas. La puntuación de entrenamiento estadística, que había sido confiada como un indicador fiable de éxito, resultó ser un mal predictor de si un modelo podía realmente generalizar a nuevas situaciones.

Este fallo no fue un simple error menor; fue una limitación fundamental del propio método de entrenamiento. Los investigadores demostraron teóricamente que un modelo puede igualar perfectamente los promedios estadísticos utilizados durante el entrenamiento y, aun así, cubrir solo una fracción de los resultados válidos, exponencialmente pequeña. Es posible que dos distribuciones completamente diferentes parezcan idénticas cuando se ven a través del lente de estos promedios específicos, aunque una pueda cubrir todo el paisaje de datos válidos mientras que la otra esté confinada a una esquina única y estrecha. En sus simulaciones, construyeron un ejemplo específico donde un modelo coincidió con cada promedio estadístico requerido perfectamente, pero cubrió solo el 7% del espacio válido, fallando efectivamente en aprender la estructura más amplia de los datos. Esto demostró que una puntuación de entrenamiento baja no garantiza que un modelo haya aprendido las reglas; solo garantiza que ha igualado los números específicos que el proceso de entrenamiento estaba buscando.

El estudio también mostró que el tipo de datos importa significamente. Cuando los investigadores aplicaron los mismos métodos de entrenamiento al conjunto de datos genómicos, los modelos entrenados en promedios estadísticos nuevamente tuvieron dificultades para producir secuencias genéticas válidas, mientras que los modelos basados en la verosimilitud funcionaron mucho mejor. Curiosamente, un modelo cuántico específico logró producir datos válidos, pero solo porque su diseño interno impedía físicamente la generación de cadenas inválidas, no porque el proceso de entrenamiento se lo hubiera enseñado. Esto resaltó que, sin una verificación directa de la salida, confiar únicamente en las puntuaciones de entrenamiento es arriesgado. Los investigadores concluyeron que la estrategia actual de entrenar en computadoras clásicas y desplegar en cuánticas necesita un replanteamiento importante. En lugar de asumir que una pérdida de entrenamiento baja significa que el modelo está listo, los científicos deben medir directamente la capacidad del modelo para generar nuevas muestras válidas. El camino a seguir implica probablemente cambiar los objetivos de entrenamiento para apuntar directamente a la generalización o diseñar modelos que estén construidos con las restricciones necesarias desde el principio, asegurando que la ventaja cuántica sea real y no solo una ilusión de una puntuación bien ajustada.

Resumen Técnico: "Entrenar de forma clásica, desplegar de forma cuántica" requiere replantear la generalización

Declaración del Problema
El paradigma "entrenar de forma clásica, desplegar de forma cuántica" (TCDQ, por sus siglas en inglés) es una estrategia líder para la utilización de computadores cuánticos de corto alcance en el modelado generativo. En este flujo de trabajo, las máquinas de Born de circuitos cuánticos (QCBM) se entrenan en hardware clásico utilizando funciones de pérdida que son clásicamente tratables de evaluar, mientras que el dispositivo cuántico se reserva únicamente para el muestreo durante el despliegue. Un candidato principal para tal pérdida es la Discrepancia de la Media Máxima (MMD²), un objetivo de emparejamiento de momentos que compara las distribuciones del modelo y de los datos mediante correlaciones de Pauli-Z.

Si bien la investigación existente ha establecido que estas pérdidas pueden optimizarse y que el muestreo resultante puede ser clásicamente intratable, persiste una brecha crítica: no está claro si la minimización de una pérdida de emparejamiento de momentos produce un modelo que generaliza (produce muestras novedosas y válidas de la distribución objetivo) o que simplemente memoriza las estadísticas de entrenamiento. El artículo postula que una pérdida de entrenamiento convergente no garantiza necesariamente que el modelo haya aprendido la estructura subyacente del espacio de datos válidos.

Metodología
Los autores emplean un enfoque dual que combina el análisis teórico y una extensa evaluación empírica para investigar la relación entre las pérdidas de emparejamiento de momentos y la generalización.

Marco Teórico:
- Los autores definen la generalización mediante la divergencia de Kullback-Leibler (KL) directa, $KL(p^* \| q_\theta)$ , donde $p^*$ es la distribución objetivo.
- Definen las "pérdidas de momentos" como objetivos dependientes únicamente de un conjunto acotado de $d$ expectativas de observables (por ejemplo, correladores de Pauli-Z).
- Demuestran que para cualquier pérdida de momento de capacidad acotada $d$ , existen minimizadores globales exactos soportados en, a lo sumo, $d+1$ cadenas. Estos "minimizadores dispersos" pueden alcanzar una pérdida de cero mientras cubren una fracción exponencialmente pequeña del conjunto válido $S$ , lo que resulta en una divergencia KL directa infinita. Esto demuestra que el emparejamiento de momentos de bajo orden es insuficiente para certificar la generalización.
Evaluación Empírica:
- Conjuntos de Datos: Se utilizaron dos conjuntos de datos inspirados en aplicaciones:
  - Un conjunto de datos con restricción de cardinalidad donde las cadenas válidas tienen un peso de Hamming fijo ( $N/2$ ), probado hasta $N=30$ qubits mediante simulación completa de vector de estado.
  - Un conjunto de datos de variantes de nucleótido único genómico derivado de datos biológicos reales, donde el conjunto válido consiste en secuencias observadas sin restricciones de peso de Hamming fijo.
- Modelos: Se evaluaron trece modelos generativos, categorizados en:
  - Entrenados por verosimilitud: Máquinas de Born de Redes de Tensores (TNBM), Transformers, GRU RNNs y RBMs.
  - Entrenados por momentos: Máquinas de Born de tipo IQP, Máquinas de Born Fermiónicas Mágicas (FBM), FBM Pasivas y la red de emparejamiento de momentos generativa clásica (GMMN).
- Métricas: Los modelos fueron puntuados por:
  - Pérdida de entrenamiento (MMD²).
  - Cobertura: La fracción del conjunto válido no visto ( $S \setminus T$ ) cubierta por las muestras del modelo.
  - KL Directa: Computada fuera de línea para objetivos de referencia donde $p^*$ es conocido.
  - Fidelidad: La fracción de muestras generadas que son válidas.

Resultados Clave

Desacoplamiento de la Pérdida y la Generalización: El estudio encuentra una correlación pobre entre la pérdida de entrenamiento MMD² y las métricas de generalización (cobertura y KL directa). Los modelos entrenados con pérdidas de emparejamiento de momentos a menudo logran valores de pérdida bajos mientras fallan en cubrir el conjunto válido, efectivamente memorizando las estadísticas de entrenamiento o produciendo muestras inválidas.
Superioridad del Entrenamiento por Verosimilitud: Los modelos entrenados mediante máxima verosimilitud (o log-verosimilitud negativa) demostraron consistentemente una generalización superior, logrando una alta cobertura y una baja divergencia KL directa en ambos conjuntos de datos.
El Fallo del "Memorizador": El análisis teórico confirma que el minimizador empírico de una pérdida de momento puede ser un "memorizador" (la propia distribución de entrenamiento), el cual tiene una cobertura de cero sobre las cadenas válidas no vistas.
Sesgo de Arquitectura vs. Pérdida: El único modelo entrenado por momentos que logró una alta cobertura fue la Máquina de Born Fermiónica pasiva. Sin embargo, esto no se debió a la función de pérdida, sino a que su arquitectura de circuito (matchgates) restringe inherentemente la salida a cadenas de peso de Hamming fijo, confinándola al conjunto válido por construcción. Esto resalta que las restricciones estructurales pueden compensar las funciones de pérdida débiles, pero la pérdida en sí misma no impone la generalización.
Escalabilidad: La brecha entre la baja pérdida y la pobre generalización se amplió con el tamaño del sistema (hasta 30 qubits). Aumentar la capacidad de los modelos entrenados por momentos (por ejemplo, añadiendo más compuertas a los circuitos IQP) no mejoró la cobertura, mientras que los modelos clásicos entrenados por verosimilitud mejoraron con el tamaño.

Significado y Reivindicaciones
El artículo sostiene que el flujo de trabajo TCDQ actual se basa en una suposición errónea: que la minimización de una pérdida de emparejamiento de momentos clásicamente tratable es un proxy suficiente para aprender un modelo generativo generalizable. Los autores argumentan que:

La pérdida convergente no es un indicador fiable: Un valor bajo de MMD² no implica que el modelo haya aprendido la distribución objetivo o que pueda generar nuevos datos válidos.
La evaluación directa es necesaria: La generalización debe medirse directamente mediante el muestreo (cobertura/fidelidad) en lugar de inferirse a partir de la pérdida de entrenamiento.
Se requiere un cambio de paradigma: La estrategia TCDQ requiere un replanteamiento fundamental. Los enfoques futuros deben:
- Adoptar objetivos de entrenamiento que apunten directamente a la generalización (por ejemplo, máxima verosimilitud u objetivos conscientes de la cobertura).
- Incorporar restricciones estructurales directamente en la arquitectura del modelo para imponer la validez, en lugar de depender de que la función de pérdida aprenda estas restricciones.

Los autores concluyen que, si bien el TCDQ ofrece ventajas en cuanto a la entrenabilidad y la dificultad de muestreo, actualmente falla en asegurar el objetivo principal del modelado generativo: la producción de muestras nuevas, válidas y fieles.

Más como este