Feature‑Adaptive Fusion in Hybrid Quantum–Classical Neural Networks for Robust Biomedical Image Classification

Resumen Técnico: Fusión Adaptativa de Características en Redes Neuronales Híbridas Cuántico-Clásicas para la Clasificación Robusta de Imágenes Biomédicas

Planteamiento del Problema
Las redes neuronales híbridas cuántico-clásicas (HQNN, por sus siglas en inglés) representan un paradigma práctico para el aprendizaje automático cuántico dentro de la era de la computación cuántica de escala intermedia con ruido (NISQ), donde las limitaciones del hardware restringen el número de cúbits y la profundidad del circuito. Aunque los modelos híbridos existentes suelen combinar el aprendizaje profundo clásico con circuitos cuánticos variacionales (VQC), estos dependen típicamente de estrategias de fusión fijas o compartidas globalmente (por ejemplo, procesamiento secuencial o promediado de pesos fijos). Estos métodos de integración estáticos pueden fallar al intentar explotar plenamente la información complementaria proporcionada por las ramas cuánticas, particularmente cuando los datos de entrada experimentan cambios en la distribución o corrupciones. En la clasificación de imágenes biomédicas, donde las imágenes se ven frecuentemente afectadas por ruido de sensores (por ejemplo, Gaussiano, Poisson) y variabilidad en la adquisición, la robustez de estos modelos híbridos bajo condiciones de corrupción realistas sigue sin entenderse suficientemente. Además, las arquitecturas existentes suelen asignar roles predeterminados a las ramas clásica y cuántica, lo que limita su adaptabilidad ante la variabilidad del contenido de la imagen y la severidad de la corrupción.

Metodología
Los autores proponen la Red Neuronal Híbrida Cuántico-Clásica con Fusión Adaptativa de Características (FAF-HQNN), un marco de trabajo entrenable de extremo a extremo diseñado para la clasificación de imágenes biomédicas. La arquitectura consta de cuatro componentes principales:

1. Extracción de Características: Un codificador de características profundas clásicas basado en ResNet-18 (inicializado con pesos de ImageNet) extrae representaciones visuales de alto nivel de las imágenes de entrada. Se elimina la última capa totalmente conectada y se aplica un agrupamiento global promedio (global average pooling) para generar un vector de características de 512 dimensiones.
2. Compresión de Características: Para abordar el desajuste dimensional entre las características profundas y las restricciones de NISQ, un módulo de compresión aprendible proyecta el vector de 512 dimensiones en un embedding compartido compacto de 64 dimensiones. Este embedding se reescala al intervalo $[-\pi, \pi]$ mediante una activación tangente hiperbólica para asegurar la compatibilidad con las puertas cuánticas parametrizadas.
3. Predicción Híbrida en Paralelo: El embedding compartido se introduce simultáneamente en dos ramas paralelas:
   • Rama Cuántica: Un circuito cuántico variacional (VQC) realiza la codificación clásica-a-cuántica (usando puertas Hadamard, $R_y$ y $R_z$), la transformación variacional (rotaciones de un solo cúbit entrenables y entrelazamiento CNOT de vecino cercano) y la lectura basada en mediciones (valores de expectativa de observables de Pauli-X). La salida se mapea a los logits de clase mediante una capa lineal.
   • Rama Clásica: Un perceptrón multicapa (MLP) ligero procesa el mismo embedding compartido para producir los logits de clase clásicos.
4. Fusión de Características Adaptativa por Clase: Una innovación clave es un predictor de coeficientes de fusión ligero (un MLP de dos capas con activación sigmoide) que genera pesos de fusión dependientes de la muestra y por clase ($\alpha_i \in [0, 1]^C$) a partir del embedding compartido. La predicción final es una suma ponderada dinámica de los logits clásicos y cuánticos: $\hat{y}_i = \alpha_i \odot y^c_i + (1 - \alpha_i) \odot y^q_i$. Esto permite equilibrar dinámicamente las contribuciones de cada rama basándose en la muestra de entrada específica y la clase.

El modelo se entrena utilizando la pérdida de entropía cruzada estándar sobre los logits fusionados.

Contribuciones Clave

• Propuesta de Arquitectura: Introducción de FAF-HQNN, que integra un codificador clásico profundo con una rama VQC mediante un mecanismo de fusión adaptativo de características, superando los esquemas de integración fijos.
• Mecanismo de Fusión Adaptativa: Desarrollo de una estrategia de fusión por clase que predice pesos dependientes de la muestra, permitiendo explotar de manera flexible la información complementaria clásica y cuántica bajo diversas condiciones de entrada.
• Evaluación de Robustez: Evaluación sistemática de los modelos híbridos bajo corrupciones de imagen realistas (ruido Gaussiano, de sal y pimienta, y Poisson) en bancos de datos biomédicos, abordando un vacío en la literatura actual donde la robustez suele pasarse por alto.
• Análisis Empírico: Investigación exhaustiva del impacto de las elecciones de diseño del VQC (diseño del circuito, base de medición y profundidad) en el rendimiento híbrido.

Resultados Experimentales
El marco fue evaluado en dos bancos de datos de MedMNIST: PathMNIST (histopatología) y BloodMNIST (reconocimiento de células sanguíneas). Los experimentos incluyeron la evaluación de datos limpios y pruebas de robustez bajo distintas intensidades de corrupción.

• Rendimiento con Datos Limpios: FAF-HQNN alcanzó el desempeño general más alto entre todos los métodos comparados (incluyendo modelos puramente clásicos, puramente cuánticos y bases híbridas de fusión fija) en ambos conjuntos de datos. En PathMNIST, alcanzó una precisión de $0.8910 \pm 0.0149$, superando a la base clásica en 2.63 puntos porcentuales.
• Robustez: Bajo ruido Gaussiano y Poisson, FAF-HQNN demostró consistentemente una robustez superior, manteniendo una mayor precisión y AUC que las bases de una sola rama y los híbridos de fusión fija en la mayoría de los niveles de corrupción. Bajo ruido de sal y pimienta, aunque FAF-HQNN funcionó mejor con corrupción de baja a moderada, una base de fusión de peso escalar (H-Scalar) mostró un desempeño competitivo o superior en niveles de corrupción severos, indicando que la estrategia de fusión óptima puede variar según la severidad del ruido.
• Análisis del Módulo Cuántico:
  • Profundidad del Circuito: Los circuitos poco profundos (una sola capa) arrojaron el mejor desempeño; aumentar la profundidad a 2 o 3 capas degradó los resultados, lo que sugiere que los circuitos más profundos introducen desafíos de optimización sin añadir la expresividad necesaria para estas tareas.
  • Base de Medición: Ninguna base de medición única (Pauli-X, Y, Z) o combinada (XYZ) superó consistentemente a las demás en todos los diseños de circuito, aunque el Circuito 1 con medición de Pauli-X logró el mejor resultado general.
  • Estabilidad: La rama puramente cuántica (HQNN) exhibió el desempeño más bajo y la mayor varianza, confirmando que el componente cuántico funciona mejor como un predictor complementario en lugar de un clasificador independiente.

Significancia y Reivindicaciones
El artículo sostiene que la fusión adaptativa de características es una estrategia efectiva para mejorar tanto la precisión como la robustez en los modelos híbridos cuántico-clásicos para la clasificación de imágenes biomédicas. Los resultados sugieren que, si bien los modelos puramente cuánticos son actualmente insuficientes para tareas de alta dimensión de forma autónoma, las ramas cuánticas pueden proporcionar información complementaria útil cuando se integran con codificadores clásicos. El mecanismo de fusión adaptativa permite aprovechar dinámicamente estas fortalezas complementarias, particularmente bajo condiciones de entrada corruptas.

Los autores mantienen una postura modesta, señalando que los hallazgos se basan en simulaciones (PennyLane con default.qubit) y en los bancos de datos controlados de MedMNIST. Reconocen que los resultados aún no reflejan los efectos específicos del hardware (por ejemplo, ruido de puerta, decoherencia) y que las ventajas observadas necesitan validación en conjuntos de datos clínicos de mayor resolución y mayor tamaño, así como en hardware NISQ real. El estudio concluye que el valor práctico del aprendizaje híbrido en la era NISQ puede residir menos en reemplazar el aprendizaje profundo clásico y más en enriquecer la diversidad de representación y mejorar la robustez mediante la integración adaptativa.