⚛️ quantum physics

Distilling Datasets into Shallow Circuits for Quantum Machine Learning

Este artículo presenta la Destilación de Conjuntos de Datos Cuánticos (QDD, por sus siglas en inglés), un método que destila directamente conjuntos de datos completos en un pequeño conjunto de circuitos superficiales parametrizados para eliminar la sobrecarga repetida de preparación de estados, logrando una precisión comparable al entrenamiento con datos completos con un número de disparos significativamente reducido y una validación exitosa en hardware cuántico real.

Autores originales: Guang Lin, Qibin Zhao

Publicado 2026-09-24

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Guang Lin, Qibin Zhao

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 campo emergente del aprendizaje automático cuántico, los científicos están enseñando a las computadoras a aprender utilizando las extrañas reglas de la física cuántica. En lugar de los bits estándar que se encuentran en las computadoras cotidianas, que son cero o uno, estas máquinas utilizan bits cuánticos, o qubits, que pueden existir en combinaciones complejas de estados. Para enseñar a una máquina de este tipo, los investigadores primero deben traducir los datos ordinarios, como una fotografía, en un estado cuántico específico. Esta traducción no es una copia simple; requiere una secuencia especializada de operaciones, conocida como circuito, para preparar los datos antes de que la máquina pueda procesarlos. El desafío es que crear esta secuencia de preparación es increíblemente costoso en términos de tiempo y potencia de cálculo. Por cada imagen individual de la que la máquina necesita aprender, el circuito de preparación debe construirse y ejecutarse nuevamente. Al tratar con miles de imágenes, este proceso se convierte en un cuello de botella masivo, ralentizando el entrenamiento hasta niveles mínimos y consumiendo recursos que actualmente son escasos.

Un equipo de investigadores de RIKEN AIP ha desarrollado un nuevo método para resolver este problema cambiando la forma en que se preparan los datos desde un principio. En lugar de intentar comprimir imágenes existentes y luego determinar cómo cargarlas en una máquina cuántica, decidieron diseñar los datos y las instrucciones de carga simultáneamente. Llaman a este enfoque Destilación de Conjuntos de Datos Cuánticos. Imagine intentar meter una biblioteca de libros en una maleta pequeña. La forma tradicional sería elegir los libros más importantes, encogerlos y luego luchar por averiguar cómo empacarlos de manera eficiente. Este nuevo método evita por completo los pasos de encogimiento y empaque. En su lugar, los investigadores crean un pequeño conjunto de "libros" sintéticos totalmente nuevos que están diseñados desde cero para encajar perfectamente en la maleta. Estos ejemplos sintéticos no son imágenes en absoluto; son las instrucciones exactas necesarias para cargar los datos en la máquina cuántica.

Los investigadores probaron esta idea en dos colecciones de imágenes bien conocidas: una que contenía dígitos escritos a mano y otra con imágenes de ropa. Querían ver si podían entrenar un modelo cuántico utilizando una fracción mínima de los datos, manteniendo bajo el costo de cargar dichos datos. En sus experimentos, crearon un conjunto de datos destilado que consistía en solo diez muestras sintéticas para cada categoría de imagen. Esto representa una reducción del tamaño del conjunto de datos original por un factor de aproximadamente seis mil. A pesar de esta drástica reducción, los modelos cuánticos entrenados con estos diez ejemplos por clase funcionaron casi tan bien como los modelos entrenados con el conjunto completo de sesenta mil imágenes. La clave de su éxito fue que no trataron los datos y el proceso de carga como problemas separados. Al optimizar los datos directamente como una secuencia de operaciones cuánticas, se aseguraron de que cada pieza de información retenida fuera algo que la máquina realmente pudiera usar sin desperdiciar esfuerzo en preparaciones imposibles.

Uno de los hallazgos más significativos fue cuánto ahorró este método al número total de veces que la máquina tuvo que ejecutar sus experimentos. En la computación cuántica, cada medición requiere que la máquina realice un ciclo completo, lo cual es una operación costosa. Cuando los investigadores entrenaron sus modelos utilizando un número limitado de mediciones por paso, su enfoque destilado alcanzó altos niveles de precisión utilizando más de cien veces menos ejecuciones totales que el método estándar. Esto sugiere que, al curar cuidadosamente los datos de entrenamiento para que coincidan con las limitaciones físicas de la máquina, los científicos pueden lograr resultados potentes sin necesidad de las cantidades masivas de tiempo de cómputo que actualmente hacen que el entrenamiento cuántico sea tan difícil.

El equipo también comparó su método con otras estrategias que intentan reducir el tamaño de los datos. Algunos enfoques simplemente seleccionan las imágenes más representativas del conjunto original, mientras que otros intentan comprimir las imágenes primero y luego determinar cómo cargarlas. Los investigadores encontraron que estos pasos separados suelen fallar porque el proceso de compresión pierde información que el circuito de carga no puede recuperar. En contraste, su enfoque conjunto mantuvo la información intacta porque los datos nunca se separaron de las instrucciones necesarias para cargarlos. Cuando probaron sus modelos en hardware cuántico real disponible de IBM, los resultados se mantuvieron. Los modelos entrenados con sus diminutos conjuntos de datos destilados funcionaron casi tan bien como aquellos entrenados con datos completos, incluso cuando se ejecutaban en máquinas ruidosas e imperfectas.

Este trabajo demuestra que la forma en que preparamos los datos para las computadoras cuánticas es tan importante como los algoritmos que utilizamos para aprender de ellos. Al diseñar los datos y las instrucciones de carga juntos, los investigadores demostraron que es posible entrenar modelos cuánticos efectivos con una fracción de los recursos habituales. No solo encontraron una manera de hacer el proceso más rápido; encontraron una manera de hacerlo viable. El estudio sugiere que el futuro del aprendizaje automático cuántico puede depender menos de construir máquinas más grandes y potentes y más de encontrar formas más inteligentes y eficientes de alimentarlas con la información que necesitan. A través de esta alineación cuidadosa entre los datos y el hardware, se ha reducido la barrera para el aprendizaje cuántico práctico, ofreciendo un camino claro hacia adelante para el entrenamiento de estos sistemas complejos en el mundo real.

Resumen Técnico: Destilación de Conjuntos de Datos en Circuitos Poco Profundos para el Aprendizaje Automático Cuántico

Planteamiento del Problema

Entrenar modelos de aprendizaje automático cuántico (QML) con conjuntos de datos de tamaño realista enfrenta una barrera de costo prohibitiva, impulsada principalmente por la interfaz de datos más que por la arquitectura del modelo en sí. Antes de que un modelo cuántico pueda procesar una muestra clásica, un circuito de carga debe preparar el estado cuántico correspondiente. La codificación de amplitud exacta de entradas arbitrarias generalmente requiere un número exponencial de puertas de dos cúbits. Crucialmente, este circuito de preparación debe reejecutarse para cada disparo de medición (shot) en cada paso de entrenamiento. En consecuencia, el costo total de entrenamiento escala tanto con el número de muestras de entrenamiento como con la complejidad de las puertas para preparar cada una.

Los enfoques existentes intentan mitigar esto comprimiendo los datos de entrada individuales (por ejemplo, mediante codificación de amplitud aproximada o redes de tensores) o destilando conjuntos de datos clásicos en conjuntos más pequeños antes de aplicar un proceso de codificación cuántica separado. Sin embargo, estos métodos sufren de una desconexión crítica: tratar la construcción del conjunto de datos y la preparación del estado como procesos separados deja las representaciones destiladas sin restricciones por los circuitos utilizados para prepararlas. Esto resulta frecuentemente en muestras destiladas que siguen siendo costosas de cargar o que pierden información significativa cuando se compilan posteriormente en circuitos poco profundos bajo presupuestos estrictos de hardware.

Metodología: Destilación de Conjuntos de Datos Cuánticos (QDD)

Los autores proponen la Destilación de Conjuntos de Datos Cuánticos (QDD), un marco que destila directamente un conjunto de datos clásico completo en un conjunto compacto de circuitos de carga ejecutables y poco profundos. En QDD, la muestra sintética y su circuito de carga son el mismo objeto, eliminando la necesidad de una síntesis de preparación de estado post-hoc.

1. Muestras Sintéticas Nativas de Circuitos:
Cada muestra sintética se parametriza como un circuito de escalera (staircase circuit) que realiza un estado de Tensor Train Cuantizado (QTT) de bajo rango.

Estructura: El circuito consiste en una capa de rotación inicial seguida de $L$ capas secuenciales de "escalera". Cada capa recorre los bloques de dos cúbits de vecindad más cercana desde el enlace más a la derecha hacia la izquierda.
Puertas: Los bloques utilizan rotaciones $R_y$ y puertas CNOT. Con ángulos en cero, las CNOT se cancelan, haciendo que el bloque sea la identidad.
Control de Costo: La profundidad $L$ controla directamente el costo de carga (número de puertas de dos cúbits) y la capacidad de representación (dimensión de enlace). Esto asegura que la muestra optimizada sea ejecutable de forma nativa dentro de un presupuesto de puertas específico.

2. Objetivo de Destilación:
Los parámetros del circuito se optimizan clásicamente utilizando gradientes exactos para igualar el conjunto de datos completo bajo un presupuesto de carga explícito. La función objetivo combina dos términos:

Igualación de Distribución (DM): Iguala las características medias condicionales a la clase de los datos reales y sintéticos, tal como los ve un modelo cuántico $W_\theta$ inicializado aleatoriamente. Esto asegura que los estados sintéticos sean distinguibles por la familia de modelos objetivo.
Igualación de la Matriz de Densidad: Iguala directamente las matrices de densidad medias ( $\bar{\rho}$ ) condicionales a la clase de los datos reales y sintéticos. Esto proporciona una medida independiente del modelo de la discrepancia en el espacio de estados completo.
Optimización: La pérdida es $L_{QDD} = L_{DM} + \alpha L_\rho$ . La optimización se realiza offline; el modelo de entrenamiento descendente $W_\theta$ se vuelve a muestrear pero no se entrena, sirviendo únicamente como extractor de características.

3. Despliegue:
Tras la destilación, los circuitos de carga optimizados se exportan directamente. Durante el entrenamiento descendente, estos circuitos permanecen congelados y solo se actualizan los parámetros del modelo cuántico. No se requiere compilación o reconstrucción adicional.

Contribuciones Clave

Introducción del Marco de Trabajo: El artículo introduce QDD, que aborda conjuntamente el tamaño del conjunto de datos y el costo de preparación cuántica al destilar los datos de entrenamiento directamente en circuitos de carga ejecutables, evitando la pérdida de información asociada con la compilación post-hoc.
Parametrización de Circuitos de Escalera: Los autores desarrollan una parametrización específica de los estados QTT utilizando circuitos de escalera y los optimizan clásicamente con gradientes exactos, igualando características y estados de entrada medios bajo un presupuesto de puertas explícito.
Validación Empírica: El trabajo demuestra que QDD retiene un fuerte rendimiento con conjuntos de entrenamiento compactos (por ejemplo, 10 circuitos por clase) y reduce significativamente los costos acumulados de disparos (shots) en el entrenamiento de disparos finitos. Además, valida el despliegue de modelos entrenados con QDD en hardware cuántico real.

Resultados Experimentales

Los autores evaluaron QDD en MNIST y Fashion-MNIST utilizando una tarea de clasificación de 10 clases con una interfaz de 8 cúbits (resolución de 16 $\times$ 16).

Precisión vs. Baselines: Bajo presupuestos iguales de muestras y carga (42 CNOTs por muestra), QDD logró la mayor precisión en cinco de seis configuraciones. Con solo 10 circuitos por clase (0.0017 $\times$ el tamaño del conjunto de datos completo), QDD alcanzó un 81.62% en MNIST y un 69.67% en Fashion-MNIST, superando a los baselines de selección (aleatorio, k-means, coresetos, etc.) y a un baseline de "destilar-luego-comprimir".
Optimización Conjunta vs. Destilar-luego-Comprimir: QDD mostró ventajas significativas, particularmente bajo presupuestos de puertas ajustados (por ejemplo, 14 CNOTs). En IPC 10 y 14 CNOTs, QDD mejoró la precisión en un 9.25% respecto al enfoque de destilar-luego-comprimir. Esto destaca que la optimización directa dentro de la familia de circuitos preserva la información que se pierde al compilar estados no restringidos posteriormente.
Eficiencia de Entrenamiento de Disparos Finitos: En el entrenamiento de desplazamiento de parámetros (parameter-shift) de disparos finitos, QDD-10 (10 muestras por clase) fue el único conjunto compacto probado que alcanzó el objetivo de precisión del 95% del conjunto de datos completo en cada configuración de disparos (100, 1,000 y 10,000 disparos por circuito). Esto se logró utilizando 134 $\times$ , 576 $\times$ y 370 $\times$ menos disparos acumulados que el entrenamiento con datos completos en sus respectivos entornos. El modelo Random-10 alcanzó el objetivo del 80%, pero falló en alcanzar el objetivo del 95% a pesar de tener el mismo número de muestras y costo de disparos por paso.
Validación de Hardware: Experimentos en tres procesadores cuánticos de IBM (Kawasaki, Fez, Boston) confirmaron que los modelos entrenados con QDD se comportan de manera comparable a los modelos de datos completos cuando se utilizan los mismos cargadores poco profundos de prueba. El estudio también observó que la preparación de estado exacta (rango-8) funcionó peor en hardware que los cargadores de escalera poco profundos, enfatizando la necesidad práctica de circuitos poco profundos.

Significancia y Reivindicaciones

El artículo afirma que QDD proporciona una ruta práctica para obtener datos de entrenamiento que reducen los costos recurrentes de ejecución cuántica. Al alinear la representación optimizada durante la destilación con la utilizada durante el entrenamiento descendente, QDD preserva la utilidad descendente bajo presupuestos explícitos de muestra y carga. Los autores sostienen que la clave para un entrenamiento de QML eficiente reside en el diseño conjunto de los datos de entrenamiento y los circuitos de carga, en lugar de tratarlos como etapas separadas. Los resultados sugieren que, para dispositivos cuánticos con recursos limitados, destilar los datos directamente en circuitos poco profundos es superior a comprimir los datos después de la selección o la destilación.

Los autores mantienen la modestia respecto a la escalabilidad futura, señalando que escalar la destilación a sistemas cuánticos más grandes manteniendo la información útil dentro de circuitos poco profundos sigue siendo un desafío abierto. Sugieren que las contracciones eficientes de redes de tensores y la igualación de observables seleccionados son direcciones prometedoras para trabajos futuros.