⚛️ física cuántica

Classical Pre-Training of Large Shallow Parametrized Quantum Circuits through Pauli Propagation and deployment on Quantum Hardware

Este artículo propone un marco de preentrenamiento clásico para circuitos cuánticos parametrizados superficiales de gran escala utilizando la propagación de Pauli para optimizar eficientemente las funciones de pérdida mediante la propagación de observables hacia atrás, demostrando el despliegue exitoso de los parámetros resultantes en hardware cuántico IBM de 64 cúbits para tareas como la resolución de eigenvalores variacional y el modelado generativo.

Autores originales: Saverio Monaco, Jamal Slim, Ran Xue, Dirk Krücker, Kerstin Borras

Publicado 2026-10-26

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Saverio Monaco, Jamal Slim, Ran Xue, Dirk Krücker, Kerstin Borras

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

El aprendizaje automático cuántico se sitúa en la frontera donde las extrañas reglas del mundo subatómico se encuentran con la necesidad práctica de resolver problemas complejos. En su núcleo se encuentran circuitos compuestos por bits cuánticos, o qubits, que pueden existir en múltiples estados a la vez, lo que les permite procesar información de formas que las computadoras clásicas no pueden. Para hacer que estos circuitos sean útiles, los científicos deben "entrenarlos", ajustando sus configuraciones internas para encontrar la mejor solución para una tarea específica, de forma muy similar a sintonizar una radio para encontrar una señal clara. Sin embargo, a medida que estos circuitos crecen para abordar problemas más difíciles, el proceso de entrenarlos se convierte en un cuello de botella. El método estándar requiere enviar el circuito de ida y vuelta a una máquina cuántica física miles de veces para medir qué tan bien está funcionando. Esto es lento, costoso y propenso a errores porque las máquinas cuánticas actuales son frágiles y ruidosas. El desafío central es encontrar una manera de realizar el trabajo pesado del entrenamiento sin depender constantemente del delicado hardware.

Un equipo de investigadores ha desarrollado un nuevo enfoque que traslada la carga del entrenamiento enteramente a las computadoras clásicas, dejando la máquina cuántica solo para la prueba final. Su método, llamado propagación de Pauli, funciona revirtiendo el flujo de información. En lugar de enviar un estado cuántico hacia adelante a través del circuito para ver qué sale, comienzan con la pregunta que quieren responder y trabajan hacia atrás a través de las capas del circuito. Al rastrear cómo cambia la pregunta a medida que se mueve contra el flujo de las puertas, pueden escribir una descripción matemática precisa del comportamiento del circuito utilizando únicamente la potencia de una computadora estándar. Esta descripción actúa como un mapa, mostrando exactamente cómo el cambio en las configuraciones del circuito afectará el resultado final. Debido a que este mapa se construye en una computadora clásica, los investigadores pueden ajustar las configuraciones millones de veces en segundos, una tarea que tomaría días o semanas si tuvieran que ejecutar el circuito en un dispositivo cuántico real por cada cambio individual.

Los investigadores probaron esta estrategia en dos problemas muy diferentes utilizando un circuito de 64 qubits, un tamaño que es demasiado grande incluso para las supercomputadoras clásicas más potentes para simularlo directamente. En el primer experimento, abordaron un problema de la física conocido como el Solucionador Cuántico Variacional de Eigenvalores (Variational Quantum Eigensolver), que se utiliza para encontrar el estado de menor energía de un sistema, similar a encontrar la disposición más estable de imanes. Entrenaron el circuito en una computadora clásica usando su método de propagación hacia atrás y luego desplegaron las configuraciones resultantes en un procesador cuántico real llamado ibm berlin. Aunque el entrenamiento clásico optimizó con éxito los parámetros, los investigadores observaron una brecha persistente entre los resultados producidos por el hardware cuántico y el estado fundamental teórico. Atribuyeron esta brecha a la precisión del hardware para estimar el observable, más que a un fallo en el procedimiento de entrenamiento en sí. En el segundo experimento, entrenaron el circuito para actuar como un generador de imágenes sencillas en blanco y negro, esencialmente enseñándole a crear patrones que parecieran dígitos escritos a mano. Nuevamente, entrenaron el modelo enteramente en una computadora clásica y luego ejecutaron la versión final en el procesador cuántico. La máquina produjo imágenes de dígitos reconocibles, aunque ruidosas, demostrando que el método también funciona para tareas generativas.

Un hallazgo clave del estudio es que este enfoque permite un uso mucho más eficiente del hardware cuántico. Los investigadores encontraron que los circuitos que diseñaron requerían muchas menos puertas complejas que otros diseños comunes utilizados para tareas similares. Esta reducción es crucial porque cada puerta adicional añade una capa de error y requiere más tiempo para ejecutarse en una máquina real. Al usar menos puertas, los circuitos fueron lo suficientemente superficiales como para ser ejecutados en el hardware actual sin desmoronarse debido al ruido. El estudio también destacó que, si bien el entrenamiento clásico fue altamente efectivo, los resultados finales en la máquina cuántica todavía mostraban una brecha en comparación con la simulación clásica perfecta. Esta brecha no se debió a un fallo en el método de entrenamiento, sino a las limitaciones inherentes del procesador cuántico físico, que tiene dificultades para medir los resultados con perfecta precisión. Los investigadores señalaron que el método no es una solución mágica que resuelve todos los problemas instantáneamente; es una herramienta práctica que hace que el entrenamiento sea factible a escalas donde antes era imposible.

El trabajo sugiere un nuevo camino a seguir para el campo, donde la computadora cuántica ya no es el motor del proceso de aprendizaje, sino la etapa final de ejecución. Al trasladar el trabajo intensivo de optimización a las máquinas clásicas, los científicos pueden escalar a sistemas con cientos de qubits sin verse limitados por la velocidad y la fragilidad del hardware actual. Los investigadores reconocen que aún queda trabajo por hacer, particularmente en el refinamiento de las funciones de pérdida utilizadas para los modelos generativos y en la consideración de los tipos específicos de ruido encontrados en los dispositivos reales. Sin embargo, la demostración en 64 qubits sirve como una sólida prueba de concepto. Muestra que, al pensar de manera diferente sobre cómo entrenar estos circuitos, podemos cerrar la brecha entre el potencial teórico del aprendizaje automático cuántico y la realidad práctica de la tecnología actual.

Resumen Técnico: Preentrenamiento Clásico de Circuitos Cuánticos Parametrizados de Gran Escala y Baja Profundidad mediante Propagación de Pauli

Planteamiento del Problema
Escalar los Circuitos Cuánticos Parametrizados (PQC) a un gran número de cúbits sigue siendo un cuello de botella central en el Aprendizaje Automático Cuántico (QML). Aunque ya se dispone de hardware cuántico con más de 100 cúbits, el entrenamiento extensivo en estos dispositivos se ve obstaculizado por el coste de la estimación de gradientes. La regla de desplazamiento de parámetros (parameter-shift rule) estándar requiere dos evaluaciones de circuito por cada parámetro, lo que resulta prohibitivamente costoso a medida que crece el número de parámetros. Por el contrario, los optimizadores libres de gradiente (por ejemplo, COBYLA, SPSA) reducen el número de evaluaciones, pero ofrecen garantías de convergencia más débiles y siguen necesitando el acceso repetido y costoso al hardware cuántico. Las soluciones existentes suelen restringir la arquitectura del ansatz para reducir los costes de gradiente o dependen de la simulación clásica, la cual está limitada a aproximadamente 30 cúbits.

Metodología: Marco de Trabajo de Propagación de Pauli
Los autores proponen un paradigma de "entrenar en clásico, desplegar en cuántico" que extiende el entrenamiento clásico a una clase más amplia de PQC, específicamente circuitos de dispersión local (locally scrambling circuits), donde la función de pérdida se define mediante los valores de esperanza de los observables. La metodología central se basa en la propagación de Pauli, que opera en la imagen de Heisenberg. En lugar de evolucionar el estado cuántico hacia adelante, el método evoluciona el observable $O$ hacia atrás a través del circuito mediante la transformación $O'(\theta) = U^\dagger(\theta) O U(\theta)$ .

Componentes técnicos clave:

Descomposición del Observable: El observable se descompone en la base de Pauli de $n$ cúbits. La propagación rastrea cómo las cadenas de Pauli se transforman bajo la conjugación por cada puerta.
Ramificación y Factores Trigonométricos: Las puertas de rotación parametrizadas causan que las cadenas de Pauli se ramifiquen en dos términos (ramas de coseno y seno) cuando anticonmutan con el eje de rotación. Esto da como resultado una expresión paramétrica explícita para el valor de esperanza $\langle O \rangle(\theta)$ como una suma de productos de funciones trigonométricas de los parámetros del circuito.
Filtrado Exacto: Un filtro natural descarta cualquier trayectoria de propagación donde la cadena de Pauli final contenga operadores $X$ o $Y$ , ya que $\langle 0|X|0\rangle = \langle 0|Y|0\rangle = 0$ . Solo las trayectorias que terminan en $I$ o $Z$ contribuyen al valor de esperanza.
Estrategias de Truncamiento: Para hacer que la propagación sea tratable para sistemas grandes (por ejemplo, 64 cúbits), los autores implementan dos esquemas de aproximación complementarios:
- Truncamiento de Peso: Descarta trayectorias donde el peso de Pauli (número de operadores no identidad) excede un límite de corte $w_{cut}$ . Esto se justifica por la observación de que, para ansätze de dispersión local, la contribución de las trayectorias de alto peso decae exponencialmente.
- Truncamiento de Grado Trigonométrico: Descarta trayectorias donde el número de puertas de ramificación (grado trigonométrico) excede un límite de corte $\delta_{cut}$ , basándose en el decaimiento de los términos de alto grado bajo parámetros distribuidos uniformemente.
Heurísticas de Poda: Para reducir aún más el coste computacional sin error de aproximación, los autores emplean estrategias de poda exacta:
- Podador de Cúbit Muerto (Dead-qubit Pruner): Descarta ramas donde un cúbit porta un $X$ o un $Y$ y ninguna de las puertas restantes puede cambiarlo de nuevo a $Z$ o $I$ .
- Podador de Peso XY (XY-weight Pruner): Descarta ramas donde el número de cúbits que portan un $X$ o un $Y$ excede el número de puertas restantes capaces de reducir este conteo.

Contribuciones Clave y Aplicaciones
El artículo demuestra este enfoque en dos pruebas de referencia de 64 cúbits, una escala que supera ampliamente las capacidades de simulación exacta de vector de estado:

Algoritmo de Eigensolver Cuántico Variacional (VQE):
- Tarea: Hallar el estado fundamental de un modelo de Ising de campo transversal 2D.
- Resultado: El método optimizó con éxito los parámetros para ansätze de profundidad 1 (propagación exacta) y profundidad 2 (propagación truncada). Los parámetros optimizados clásicamente se desplegaron en el procesador cuántico IBM ibm_berlin. Los resultados mostraron que el preentrenamiento clásico redujo eficazmente el uso de hardware cuántico únicamente a la validación, ya que todo el bucle de optimización de 1000 pasos se ejecutó en hardware clásico.
Modelado Generativo Cuántico:
- Tarea: Entrenar un modelo generativo de tipo discreto para imágenes binarias (MNIST con reducción de resolución) utilizando una función de pérdida basada en la Discrepancia de Máximo Medio (MMD) de los valores de esperanza de Pauli- $Z$ .
- Resultado: Los autores entrenaron un ansatz poco profundo (256 parámetros) mediante propagación de Pauli con truncamiento de peso. El modelo entrenado se desplegó en ibm_berlin para generar muestras.
- Comparación: El propagador propuesto superó significativamente a dos líneas de base IQP (Instantaneous Quantum Polynomial). Logró una MMD $^2$ de prueba aproximadamente 12 veces menor que un circuito IQP con igual número de parámetros y superó a un circuito IQP con 10 veces más parámetros (2560 puertas), a pesar de utilizar solo una décima parte de los parámetros. Los autores atribuyen esto a la estructura causal introducida por las puertas no conmutantes en su ansatz, la cual proporciona una mayor expresividad por parámetro en comparación con las puertas conmutantes de los circuitos IQP.

Significancia y Reivindicaciones
El artículo posiciona este trabajo como una prueba de concepto más que como una reivindicación de optimalidad. Su principal significancia radica en demostrar la viabilidad de la vía de "entrenar en clásico, desplegar en cuántico" a la escala de 64 cúbits.

Escalabilidad: El enfoque ofrece un camino escalable para el QML a medida que aumentan los números de cúbits, evitando el coste prohibitivo de la estimación de gradientes en hardware.
Eficiencia de Hardware: Al delegar el entrenamiento enteramente a recursos clásicos, el método minimiza las ejecuciones de circuitos cuánticos a lo estrictamente necesario para la validación final o el muestreo.
Eficiencia de Parámetros: En la tarea de modelado generativo, el ansatz no conmutante requirió sustancialmente menos puertas parametrizadas que los ansätze de estilo IQP para lograr un rendimiento superior, reduciendo la sobrecarga de transpilación y haciendo que el despliegue en el hardware actual de escala intermedia con ruido (NISQ) sea más factible.
Direcciones Futuras: Los autores señalan que, aunque el método es prometedor, identificar funciones de pérdida que sean tanto motivadas físicamente como más baratas de propagar que el estimador MMD sigue siendo un desafío abierto. También sugieren que incorporar modelos de ruido del dispositivo directamente en la propagación podría mejorar aún más la robustez de los parámetros entrenados.

Más como este