Restricting Trainable Lie-Algebra Growth in Equivariant Quantum Networks via Hierarchical Ancilla-Controlled Subspace Projections

Resumen Técnico: Restricción del Crecimiento de la Álgebra de Lie Entrenable en Redes Cuánticas Equivariantes

Planteamiento del Problema
Las redes cuánticas equivariantes (EQN) incorporan la simetría como un sesgo inductivo para mejorar la generalización y la convergencia de la optimización. Sin embargo, los autores identifican una limitación crítica: si bien la equivariancia restringe cómo un circuito se transforma bajo un grupo, no restringe inherentemente el tamaño de la álgebra de Lie dinámica generada por los operadores entrenables. En circuitos variacionales que preservan la simetría, el cierre no conmutativo de estos generadores aún puede crecer rápidamente, lo que potencialmente conduce a mesetas estériles (barren plateaus, gradientes evanescentes) y concentración de pérdida. El problema central abordado es cómo preservar el beneficioso sesgo de simetría mientras se restringe explícitamente el crecimiento de este cierre no conmutativo para mejorar la entrenabilidad.

Metodología
Los autores proponen una arquitectura jerárquica controlada por ancilla diseñada para localizar la dinámica no conmutativa. Los componentes principales de la metodología incluyen:

1. Diseño de la Arquitectura:

   • Registros: El sistema utiliza un registro de datos (que porta la representación de la simetría) y un registro de ancilla compartido de dimensión fija $d_A = 2^m$.
   • Proyectores Conmutantes: Una familia de proyectores de sectores invariantes y conmutantes ($\Pi_{\ell,s}$) actúa sobre el registro de datos. Estos proyectores seleccionan "sectores" específicos del espacio de Hilbert de los datos.
   • Dinámica Controlada: Operaciones unitarias parametrizadas y no conmutativas se aplican únicamente al registro de ancilla compartido. Estas operaciones se activan condicionalmente basándose en los predicados de sector extraídos del registro de datos.
   • Control Coherente: Se utilizan qubits de etiqueta temporales para extraer la información del sector de forma coherente, controlar la evolución de la ancilla y posteriormente revertir el proceso (uncompute) para mantener la reversibilidad y la equivariancia.

2. Marco Teórico:

   • Contención del Álgebra de Lie: Los autores demuestran que el álgebra de Lie dinámica entrenable $\mathfrak{g}$ está contenida dentro de una suma directa de bloques del álgebra de la ancilla, indexados por los sectores conjuntos compatibles de los proyectores jerárquicos.
   • Límites de Dimensión: Derivan un límite superior de la dimensión del álgebra de Lie independiente del grupo:
     $$\dim(\mathfrak{g}) \leq (d_A^2 - 1) \prod_{\ell=1}^L (K_\ell + 1)$$
     donde $K_\ell$ es el número de modos de control retenidos por capa. Para una jerarquía de profundidad logarítmica con un tamaño de ancilla constante y modos retenidos constantes, este límite escala polinómicamente con el número de qubits de datos, contrastando con el crecimiento exponencial típico de los circuitos genéricos.

3. Realización Específica (SU(2)):

   • El artículo construye una realización concreta para el grupo de rotación $SU(2)$ utilizando un árbol de acoplamiento de Clebsch–Gordan fijo.
   • Codificación: Los vectores de entrada se codifican en qubits de espín-1/2.
   • Inicialización: El registro de datos se inicializa en un estado singlete (invariante bajo $SU(2)$).
   • Proyectores: Los operadores de espín intermedios ($J^2_B$) derivados del árbol de acoplamiento definen los proyectores conmutantes.
   • Lectura: Las mediciones se confinan al registro de la ancilla, asegurando que la salida escalar final sea rotacionalmente invariante.

Contribuciones Clave

1. Formulación Arquitectónica: Introducción de una arquitectura jerárquica controlada por ancilla que desacopla el conteo de parámetros variacionales del costo simbólico del control, separando la dinámica no conmutativa hacia una ancilla de tamaño fijo.
2. Descomposición Global: Derivación de una descomposición de sectores conjuntos que muestra la salida del circuito como una suma ponderada por probabilidad de las respuestas de la ancilla, aclarando cómo la capacidad es regulada por las probabilidades de sector y el uso compartido de parámetros.
3. Teorema de Contención: Demostración de un teorema independiente del grupo que acota la dimensión del álgebra de Lie dinámica entrenable, demostrando que es posible lograr un crecimiento polinómico bajo restricciones estructurales específicas (tamaño de ancilla constante y modos retenidos constantes).
4. Implementaciones Concretas: Desarrollo de instancias específicas para $U(1)$, $Z_2$ y una implementación completa de $SU(2)$ utilizando un árbol de Clebsch–Gordan fijo, estableciendo la evolución equivariante de rotación con lecturas escalares invariantes.

Resultados
Los autores realizaron simulaciones de estado vectorial de tamaño finito (sin ruido ni ruido de disparo) para evaluar la arquitectura propuesta frente a circuitos equivariantes genéricos y convencionales:

• Estadísticas de Gradiente: Para tamaños de sistema $N \in \{4, 6, 8, 10, 12\}$, la arquitectura jerárquica exhibió un decaimiento de la varianza del gradiente más lento y normas de gradiente cuadrático medio más grandes en la inicialización en comparación con tanto los modelos base genéricos como los equivariantes convencionales. Esto sugiere que la restricción estructural mitiga el rápido aplanamiento del paisaje de pérdida.
• Estudios de Ablación: Aumentar únicamente el tamaño de la ancilla ($m$) no explicaba la mejora en la escala del gradiente; la mejora estaba vinculada específicamente al control de proyección jerárquico.
• Pruebas de Aprendizaje:
  • Clasificación Binaria: El modelo clasificó con éxito nubes de puntos de esfera vs. toro con una precisión de prueba que se estabilizó alrededor de 0.97.
  • Clasificación de Nubes de Puntos Dispersas (ModelNet-5): En una tarea de 5 clases con entradas de 4 puntos, la arquitectura propuesta alcanzó aproximadamente un 75.6% de precisión de prueba, superando significativamente al modelo base de Ansatz de Eficiencia de Hardware (HEA, ~50.5%) con conteos de parámetros equivalentes.
  • Regresión de Física: El modelo predijo las energías del estado fundamental de Hamiltonianos de Heisenberg dependientes de la geometría, logrando un MSE de prueba de aproximadamente $4 \times 10^{-2}$, demostrando capacidad en objetivos espectrales continuos e invariantes de rotación.

Significancia y Reivindicaciones
El artículo afirma que restringir el crecimiento del álgebra de Lie entrenable sirve como una estrategia estructural viable para mejorar la entrenabilidad de la inicialización en redes cuánticas equivariantes. Al confinar la dinámica no conmutativa a una ancilla compartida y utilizar proyectores conmutantes para seleccionar operaciones, la arquitectura evita la rápida expansión algebraica asociada con las mesetas estériles mientras mantiene la simetría.

Los autores enmarcan modestamente sus hallazgos como un "estudio de caso de SU(2)" de una construcción algebraica general. Señalan que, si bien los resultados apoyan la estrategia para los regímenes considerados (tamaños finitos, simetrías específicas), el comportamiento del gradiente sigue dependiendo de la pérdida específica, la distribución de los datos y los observables. El trabajo no pretende resolver el problema de las mesetas estériles de manera universal, sino que ofrece un mecanismo estructural para controlar la dimensión algebraica que impulsa la concentración. Las direcciones futuras identificadas incluyen la selección adaptativa de sectores, la enumeración de los álgebras de Lie realizados para sistemas más grandes y evaluaciones orientadas al hardware que involucren ruido y estimación de disparo finito.