Getting large-scale quantum neural networks ready for quantum hardware

Cet article propose une architecture informée par la physique pour les réseaux de neurones quantiques à grande échelle, qui exploite la dynamique des systèmes à plusieurs corps ouverts markoviens afin d'assurer une classification robuste des états quantiques sur du matériel actuel bruyant en utilisant des mesures de perte finies.

L'essentiel

La Vue d'Ensemble : Enseigner à une Machine Quantique à « Voir »

Imaginez que vous possédez une immense bibliothèque chaotique de livres (des données quantiques) si vaste et complexe qu'aucun bibliothécaire humain ne pourrait jamais les lire tous ou les organiser. Tel est le défi du « Machine Learning Quantique ». Nous souhaitons construire un ordinateur capable de trier ces livres par catégories (comme « Fiction » contre « Non-Fiction ») sans avoir besoin de lire chaque page individuelle.

Le problème est que les ordinateurs quantiques actuels ressemblent à des bibliothèques instables et bruyantes. Ils commettent des erreurs, et si vous essayez de les entraîner avec trop de livres, les instructions se perdent dans le bruit. Ce document présente une nouvelle méthode pour entraîner ces machines afin qu'elles apprennent à trier les données efficacement, même lorsque la bibliothèque est bruyante et que les livres sont incroyablement complexes.

L'Idée Centrale : Un « Convoyeur Quantique »

Les auteurs proposent une conception spécifique pour un Réseau de Neurones Quantique (QNN). Imaginez ce réseau non pas comme un cerveau statique, mais comme un convoyeur dans une usine.

1. L'Entrée : Vous déposez un objet brut et non trié (un état quantique) au début du convoyeur.
2. Les Couches : Le convoyeur fait avancer l'objet à travers une série de stations (couches). À chaque station, une machine effectue un ajustement spécifique et local à l'objet.
3. Le Lien avec la Physique : Voici la partie ingénieuse. Les auteurs ont conçu ces machines de telle sorte que la façon dont l'objet change en descendant le convoyeur imite l'évolution dans le temps de systèmes physiques réels (comme un gaz ou un aimant). En physique, ces systèmes s'installent souvent dans un état stable ou un « ordre » après un certain temps.
4. La Sortie : Au moment où l'objet atteint la fin du convoyeur, il a été transformé. L'objectif est d'arranger les machines de sorte que les objets de la « Catégorie A » finissent par ressembler à quelque chose de très différent des objets de la « Catégorie B » à la toute fin.

Le Défi de l'Entraînement : Le « Désert Plat »

Habituellement, entraîner un réseau de neurones revient à faire une randonnée en descente sur une montagne pour trouver le point le plus bas (la meilleure solution). Vous faites un pas, vérifiez si vous êtes plus bas, et continuez.

Cependant, dans les grands réseaux quantiques, la « montagne » se transforme souvent en un désert plat géant (les scientifiques appellent cela une « plaine stérile »). Si vous vous tenez au milieu d'un désert plat, vous ne pouvez pas dire dans quelle direction c'est en bas car le sol est parfaitement plat partout. Vous ne pouvez pas trouver la direction pour vous améliorer, et l'entraînement reste bloqué.

La Solution : Le « Magnétomètre » et la « Protection contre le Bruit »

Les auteurs ont résolu ce problème en changeant la façon dont ils mesurent le succès.

1. Le Paramètre d'Ordre (Le Magnétomètre) :
Au lieu d'essayer de mesurer chaque détail minuscule de l'objet à la fin du convoyeur (ce qui est impossible et bruyant), ils ne mesurent qu'une seule chose simple : l'aimantation.

• Analogie : Imaginez que les objets sont une foule de personnes. Au lieu de demander à chaque personne ce qu'elle pense, vous comptez simplement combien font face au Nord par rapport au Sud.
• Parce que le réseau est conçu comme un système physique, ce simple comptage « Nord/Sud » (un « paramètre d'ordre ») sépare naturellement les deux catégories. Si la foule est de « Type A », elle fait majoritairement face au Nord. Si « Type B », elle fait face au Sud.

2. L'Avantage du Bruit :
Habituellement, le bruit (erreurs aléatoires) est mauvais. Mais parce que ce réseau agit comme un système physique qui s'installe naturellement dans un état stable, il est étonnamment robuste face au bruit.

• Analogie : Si vous essayez d'équilibrer un crayon sur votre doigt (très sensible au bruit), c'est difficile. Mais si vous essayez d'équilibrer une lourde boule de bowling dans un bol (un système physique stable), un petit tremblement ne la fait pas tomber. Le réseau est la boule de bowling ; il trouve naturellement son chemin vers le « Nord » ou le « Sud » correct, même si la mesure est un peu instable.

L'Expérience : Deux Tests de Tri

L'équipe a simulé un réseau massif avec 550 qubits (les unités de base de l'information quantique) pour tester cette idée. Ils n'ont pas encore utilisé un véritable ordinateur quantique ; ils ont utilisé un supercalculateur pour simuler le comportement du système quantique.

Ils ont testé deux « défis de tri » différents :

• Test 1 (Le Tri Facile) : Ils avaient deux groupes de données faciles à distinguer si on les regardait d'une certaine manière, mais difficiles à distinguer si on les regardait d'une autre manière. Le réseau était au début confus (tous les objets se ressemblaient à la fin), mais après l'entraînement, il a appris à tordre les données de sorte que les deux groupes finissent par faire face à des directions opposées.
• Test 2 (Le Tri Difficile) : Ils ont créé un puzzle plus complexe où les deux groupes étaient mélangés dans un motif complexe qui ne pouvait pas être séparé par une simple ligne droite. Même ici, le réseau a appris à traiter les données à travers son « convoyeur » et à séparer les groupes en fonction du comptage final de l'aimantation.

Le Résultat : Prêt pour le Matériel Réel

Le document affirme que cette méthode fonctionne. Ils ont démontré que :

1. Vous pouvez entraîner ces grands réseaux en utilisant un nombre fini de mesures (vous n'avez pas besoin d'un temps infini pour obtenir une réponse parfaite).
2. Le réseau apprend à créer une « frontière de décision » (une façon de distinguer les groupes) qui est complexe et non triviale.
3. Parce que la méthode repose sur des lois physiques naturellement stables, elle est bien adaptée à la génération actuelle d'ordinateurs quantiques bruyants (appelés dispositifs NISQ).

En résumé : Les auteurs ont construit un « convoyeur quantique » basé sur la physique. Au lieu de lutter contre le bruit et la complexité des données quantiques, ils ont utilisé la tendance naturelle des systèmes physiques à s'installer dans l'ordre. Cela permet à la machine d'apprendre à trier des données quantiques complexes en catégories, même avec des mesures imparfaites, ouvrant la voie à l'utilisation de ces réseaux sur du matériel quantique réel prochainement.

Résumé technique

1. Énoncé du problème

L'article aborde les goulots d'étranglement critiques empêchant le déploiement de réseaux de neurones quantiques (QNN) sur le matériel quantique actuel à échelle intermédiaire et bruyante (NISQ).

• Passage à l'échelle et plateaux stériles : Les QNN à grande échelle souffrent généralement de « plateaux stériles », où le paysage de la fonction de perte devient exponentiellement plat. Cela rend le calcul des gradients d'optimisation impossible, car il nécessiterait un nombre exponentiel de tirs de mesure pour surmonter le bruit d'échantillonnage.
• Sensibilité au bruit : Les mesures quantiques sont intrinsèquement bruyantes. Les algorithmes variationnels standards échouent souvent à converger ou sont trop sensibles à ce bruit pour une mise en œuvre pratique sur de grands systèmes.
• Intracabilité classique : Les QNN opèrent sur des états quantiques dans un espace de Hilbert exponentiellement grand. Caractériser ces états par une tomographie complète est impossible, et la simulation classique de grands QNN est prohibitive en termes de calcul.
• L'objectif : Les auteurs visent à démontrer que les QNN à grande échelle informés par la physique peuvent être entraînés efficacement en utilisant un nombre fini de mesures bruyantes, permettant ainsi la classification de données quantiques directement à partir de simulateurs quantiques ou de matériel.

2. Méthodologie

A. Architecture : QNN informés par la physique

Les auteurs proposent une architecture spécifique de QNN basée sur des systèmes quantiques à N corps en couches plutôt que sur des circuits paramétrés génériques.

• Structure : Le réseau se compose de $L+1$ couches verticales, chacune contenant $N$ sites (qubits). L'état d'entrée $\rho_{in}$ est placé dans la première couche ($\ell=0$), tandis que les couches suivantes commencent dans un état de vide.
• Dynamique : La propagation de l'état à travers les couches est régie par des portes locales et invariantes par translation $G_{k,\ell}$. Ces portes sont paramétrées pour imiter une dynamique quantique à N corps en temps discret ouverte.
• Évolution de Lindblad : Dans la limite de petits pas de temps ($\delta t$), l'évolution de la matrice densité $\rho_\ell$ suit une relation de récurrence pilotée par un générateur de Lindblad $\mathcal{L}$ :
  $$\rho_\ell \approx \exp(\mathcal{L}_{\ell-1}\delta t)[\rho_{\ell-1}]$$
  Le générateur inclut une partie Hamiltonienne ($H$) et une partie opérateur de saut ($J$), toutes deux définies par des interactions à plus proches voisins invariantes par translation. Cette structure permet au réseau de présenter des phénomènes émergents à N corps tels que les transitions de phase et la rupture d'ergodicité, qui sont cruciaux pour des frontières de décision complexes.

B. Stratégie d'entraînement

• Données d'entrée : Le réseau est entraîné sur des ensembles de données d'états quantiques (états produits purs, invariants par translation) étiquetés comme Classe A ou Classe B.
• Paramètre d'ordre comme observable : Au lieu de mesurer l'état complet, le réseau sort une seule observable : l'aimantation $\hat{m}_x$ (ou d'autres composantes) sur la dernière couche. Cela agit comme un paramètre d'ordre pour le système à N corps.
• Fonction de perte contrastive : Les auteurs emploient une fonction de perte contrastive qui repose sur des informations relatives entre des paires de sorties plutôt que sur des valeurs absolues.
  • Elle pénalise les différences d'aimantation de sortie pour des états de la même classe (encourageant la contraction).
  • Elle pénalise les états de classes différentes si leur différence d'aimantation de sortie est inférieure à un seuil $d$ (encourageant la séparation).
• Optimisation :
  • Descente de gradient stochastique (SGD) : Les auteurs utilisent une variante de SGD (spécifiquement Nadam) pour mettre à jour les paramètres des portes (matrices $h$ et $j$).
  • Gradients par différences finies : Les gradients sont estimés en utilisant des différences finies avec une petite perturbation $\epsilon$.
  • Gestion du bruit de tir : La perte est estimée en utilisant un nombre fini de tirs de mesure ($S=5000$). Grâce au théorème central limite, l'écart type de l'aimantation moyenne évolue comme $1/\sqrt{SN}$, permettant une estimation efficace même avec du bruit.

C. Échelle de la simulation

• Taille du système : Les simulations impliquent 550 qubits ($N=50$ sites $\times$ 11 couches).
• Simulation classique : Pour gérer cette échelle, les auteurs utilisent des techniques de réseaux de tenseurs (états produits matriciels et opérateurs produits matriciels) avec troncature des valeurs singulières. Cela réduit la complexité computationnelle d'exponentielle à polynomiale, permettant l'entraînement d'une taille de système qui serait impossible à simuler classiquement sans de telles approximations.

3. Contributions clés

1. Démonstration de l'entraînabilité à grande échelle : L'article prouve que les QNN informés par la physique avec des centaines de qubits peuvent être entraînés avec succès pour résoudre des tâches de classification, surmontant le problème des « plateaux stériles » généralement associé aux circuits aléatoires génériques.
2. Robustesse au bruit via la dynamique ouverte : En reliant le QNN à des systèmes quantiques ouverts dissipatifs (dynamique de Lindblad), l'architecture possède intrinsèquement une robustesse au bruit. Le processus d'entraînement apprend efficacement à naviguer dans le paysage du bruit, mimant le comportement attendu sur de vrais dispositifs NISQ.
3. Estimation efficace de la perte : La méthode démontre qu'une fonction de perte contrastive basée sur un seul paramètre d'ordre (aimantation) suffit pour l'entraînement. Cela évite la nécessité d'une tomographie complète de l'état et permet l'entraînement avec un nombre gérable de tirs de mesure.
4. Frontières de décision non triviales : Le réseau apprend à classifier des données dans des régimes où la séparation linéaire est impossible dans la base d'entrée, cartographiant efficacement des caractéristiques quantiques complexes (superpositions et phases) vers un espace de sortie séparable.

4. Résultats

Les auteurs ont testé l'approche sur deux ensembles de données synthétiques :

• Ensemble de données I (Séparabilité linéaire en $m_z$, non linéaire en $m_x$) :

  • Tâche : Distinguer la Classe A ($m_z > 0$) de la Classe B ($m_z < 0$). Bien que celles-ci soient séparables en mesurant $m_z$, le réseau a pour tâche de les classifier en mesurant uniquement $m_x$ (qui ne montre initialement aucune distinction).
  • Résultat : Le réseau entraîné a appris avec succès à mapper les états d'entrée vers des plages distinctes d'aimantation de sortie $m_x$. Il a appris à extraire des informations de cohérence quantique pour créer une frontière de décision dans une base où les états originaux étaient indiscernables.

• Ensemble de données II (Frontière non linéaire complexe) :

  • Tâche : Distinguer des classes définies par des lignes sur la sphère de Bloch où $sign(m_y m_z) = -1$ (Classe A) contre $1$ (Classe B). Ces classes ne peuvent pas être séparées par une seule coupe linéaire ni en mesurant une seule observable dans la base d'entrée.
  • Résultat : Le réseau a classé avec succès ces états complexes en mesurant uniquement $m_x$ à la sortie. Il a réduit la complexité du problème, apprenant efficacement une représentation qui ramène la nécessité de mesurer deux observables ($m_y, m_z$) à une seule observable ($m_x$).

Validation :

• La perte d'entraînement et la perte de validation ont diminué de manière cohérente sur 50 tours.
• Vérifications de convergence : Les auteurs ont vérifié que les résultats sont robustes face aux erreurs de troncature inhérentes aux simulations de réseaux de tenseurs en comparant les dimensions de liaison ($\chi=16$ vs $\chi=24$). Le comportement qualitatif et les paramètres entraînés sont restés cohérents, confirmant la validité physique des résultats.

5. Signification

• Préparation pour NISQ : Ce travail fournit une voie concrète pour mettre en œuvre des QNN à grande échelle sur le matériel quantique actuel et futur proche. La dépendance aux portes locales, à l'invariance par translation et aux paramètres d'ordre s'aligne bien avec les contraintes des dispositifs NISQ.
• Pont entre physique et apprentissage automatique : En ancrant l'architecture du réseau de neurones dans la physique des systèmes à N corps ouverts, les auteurs exploitent des phénomènes émergents (comme les transitions de phase) pour résoudre des tâches d'apprentissage automatique, offrant une alternative plus robuste aux circuits variationnels génériques.
• Passage à l'échelle : La simulation réussie de 550 qubits suggère que l'architecture proposée est évolutive. L'utilisation de la perte contrastive et des paramètres d'ordre offre un modèle pour entraîner des systèmes trop grands pour la simulation classique mais réalisables sur du matériel quantique.
• Le bruit comme fonctionnalité : L'article suggère que le bruit inhérent aux dispositifs NISQ, souvent considéré comme un obstacle, peut être naturellement accommodé par la nature dissipative de la dynamique QNN proposée, conduisant potentiellement à des algorithmes d'apprentissage plus robustes.

En conclusion, l'article établit que les QNN dissipatifs informés par la physique sont un candidat viable pour l'apprentissage automatique quantique à grande échelle, capable d'apprendre des tâches de classification complexes avec des mesures bruyantes et à nombre fini de tirs à des échelles pertinentes pour le matériel.