Benchmarking loss functions for trainable quantum feature maps

Résumé Technique : Évaluation comparative des fonctions de perte pour les cartes de caractéristiques quantiques entraînables

Énoncé du problème
Les machines à vecteurs de support quantiques (QSVM) reposent sur des cartes de caractéristiques quantiques (QFM) pour encoder des données classiques dans des états quantiques de haute dimension. Bien que les QSVM standards utilisent des QFM fixes, cela limite leur expressivité et leur adaptabilité aux distributions de données non linéaires complexes. Les cartes de caractéristiques quantiques entraînables (TQFM) répondent à cela en introduisant des portes paramétrées et un ré-upload de données pour optimiser l'espace d'encodage. Cependant, l'optimisation des TQFM dépend fortement du choix de la fonction de perte. La littérature existante manque d'une compréhension systématique de la manière dont différentes fonctions de perte influencent la dynamique d'optimisation, les coûts de calcul et la stabilité de la classification. Plus précisément, les auteurs identifient un « problème de croisement de trajectoires » dans les schémas d'entraînement à cible fixe où les trajectoires d'optimisation s'intersectent, entraînant une convergence instable et des chutes brutales de précision.

Méthodologie
Les auteurs proposent un cadre d'évaluation systématique comparant trois fonctions de perte distinctes pour l'entraînement des TQFM au sein d'un pipeline QSVM hybride quantique-classique :

1. Perte de Distance (DL - Distance Loss) : Basée sur la distance de Hilbert-Schmidt entre les matrices de densité mixtes de différentes classes. Cette méthode vise à maximiser la séparation inter-classes mais nécessite d'évaluer toutes les fidélités par paires, ce qui entraîne une complexité de calcul quadratique de $O(M^2)$, où $M$ est la taille du jeu de données.
2. Perte de Mesure (ML - Measurement Loss) : Assigne à chaque classe un état de base orthogonal fixe et minimise l'erreur entre l'état encodé et la cible. Cette approche évalue les échantillons indépendamment, atteignant une complexité linéaire de $O(M)$. Cependant, les auteurs émettent l'hypothèse que le fait de forcer les clusters vers des cibles fixes dans un espace de Hilbert restreint provoque des croisements de trajectoires.
3. Perte de Log-Vraisemblance (LLL - Log-Likelihood Loss) : Le cœur de cette proposition. Inspirée par l'estimation du maximum de vraisemblance, cette méthode réinterprète la fidélité $|\langle \psi | y \rangle|^2$ comme une probabilité conditionnelle $P(y|x)$. Au lieu de minimiser une pénalité linéaire, la LLL minimise la log-vraisemblance négative :
   $$L_{LLL}(\theta) = -\frac{1}{L} \sum_{j=1}^{L} \frac{1}{M_j} \sum_{i=1}^{M_j} \log \left( |\langle \psi(x_i^j, \theta) | y_j \rangle|^2 \right)$$
   Cette formulation applique une pénalité non linéaire qui augmente rapidement pour les échantillons ayant de faibles probabilités de prédiction, mettant ainsi l'accent sur les échantillons difficiles à classifier et fournissant un signal d'optimisation plus fort.

Configuration Expérimentale
L'étude utilise le simulateur d'état vectoriel de Qiskit avec l'ansatz EfficientSU2. Les expériences ont été menées sur trois jeux de données synthétiques (Moons, Circles, Gaussian) représentant différents niveaux de non-linéarité et de complexité de classe. L'évaluation a impliqué 20 exécutions indépendantes par configuration pour évaluer la stabilité statistique, faisant varier la profondeur des circuits (de 1 à 6 couches) et testant la robustesse contre un bruit de dépolarisation et de lecture simulé.

Résultats Clés

• Stabilité de l'Optimisation : La méthode ML a présenté une instabilité significative, caractérisée par le « problème de croisement de trajectoire » où le chevauchement inter-classes a bondi et la précision a chuté pendant la phase initiale d'entraînement, particulièrement dans les circuits peu profonds. La méthode LLL a réussi à atténuer ce problème, atteignant une convergence stable comparable à la méthode DL, mais sans le coût quadratique.
• Efficacité de Calcul : La DL a maintenu la précision de classification la plus élevée mais a souffert d'une mise à l'échelle en $O(M^2)$, la rendant impraticable pour de grands jeux de données. Les méthodes ML et LLL ont toutes deux maintenu une mise à l'échelle linéaire de $O(M)$. Le temps d'entraînement de la LLL était presque identique à celui de la ML, confirmant que l'amélioration de la stabilité ne s'accompagne pas de surcoût de calcul supplémentaire.
• Performance de Classification :
  • La DL a systématiquement obtenu la précision moyenne la plus élevée sur les jeux de données.
  • La LLL a surpassé la ML de manière significative en termes de stabilité (écart-type de précision plus faible entre les exécutions) et a atteint une précision moyenne compétitive, égalant ou dépassant souvent la ML, notamment dans les circuits peu profonds (ex: circuits de 1 couche sur le jeu de données Circles).
  • L'augmentation de la profondeur du circuit (couches variationnelles) a aidé à atténuer le croisement de trajectoire pour toutes les méthodes, mais a introduit un compromis où une profondeur excessive entraînait un surapprentissage sans gain proportionnel de précision de test.
• Robustesse au Bruit : Sous des modèles de bruit simulés, la méthode LLL a maintenu des performances robustes sur des jeux de données plus simples (Moons) mais a montré une dégradation attendue sur des jeux de données plus complexes (Circles, Gaussian), cohérente avec la difficulté de la tâche de classification.

Signification et Revendications
L'article affirme que la conception de l'objectif d'entraînement est un facteur critique déterminant la capacité d'entraînement et la généralisation des QSVM basés sur les TQFM. La contribution principale est l'introduction de la Perte de Log-Vraisemblance, qui offre une solution pratique au compromis entre efficacité de calcul et stabilité d'optimisation.

Les auteurs soutiennent que la LLL fournit un « comportement d'optimisation plus stable » que la méthode conventionnelle de Perte de Mesure, tout en conservant une complexité de calcul linéaire. Ce benchmark offre des orientations pratiques pour équilibrer la capacité d'entraînement, l'efficacité et la performance prédictive. Le travail ne prétend pas résoudre les limitations fondamentales des dispositifs NISQ, mais propose une amélioration méthodologique de la phase d'optimisation pour les classificateurs quantiques hybrides.

Directions Futures
Les auteurs notent que le cadre actuel repose encore sur un SVM classique pour la décision finale. Ils suggèrent que les travaux futurs devraient explorer des schéments d'inférence entièrement quantiques qui assignent les étiquettes directement sur la base des probabilités de mesure. De plus, une investigation supplémentaire est nécessaire concernant la relation entre l'expressivité du circuit (nombre de paramètres vs propriétés structurelles) et la performance d'optimisation.