⚛️ quantum physics

Distilling Datasets into Shallow Circuits for Quantum Machine Learning

Cet article introduit la distillation de jeux de données quantiques (QDD), une méthode qui distille directement des jeux de données complets en un petit ensemble de circuits peu profonds paramétrés afin d'éliminer le surcoût de la préparation répétée des états, atteignant une précision comparable à l'entraînement sur données complètes avec un nombre de mesures (shots) considérablement réduit et une validation réussie sur du matériel quantique réel.

Auteurs originaux : Guang Lin, Qibin Zhao

Publié 2026-09-24

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Guang Lin, Qibin Zhao

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Dans le domaine émergent de l'apprentissage automatique quantique, les scientifiques apprennent aux ordinateurs à apprendre en utilisant les règles étranges de la physique quantique. Au lieu des bits standards que l'on trouve dans les ordinateurs ordinaires, qui sont soit zéro soit un, ces machines utilisent des bits quantiques, ou qubits, qui peuvent exister dans des combinaisons complexes d'états. Pour enseigner à une telle machine, les chercheurs doivent d'abord traduire des données ordinaires, comme une photographie, en un état quantique spécifique. Cette traduction n'est pas une simple copie ; elle nécessite une séquence d'opérations spécialisée, appelée circuit, pour préparer les données avant que la machine ne puisse les traiter. Le défi est que la création de cette séquence de préparation est incroyablement coûteuse en termes de temps et de puissance de calcul. Pour chaque image que la machine doit apprendre, le circuit de préparation doit être construit et exécuté à nouveau. Lorsqu'on traite des milliers d'images, ce processus devient un goulot d'étranglement massif, ralentissant l'entraînement à un rythme de sénateur et consommant des ressources qui sont actuellement rares.

Une équipe de chercheurs du RIKEN AIP a développé une nouvelle méthode pour résoudre ce problème en changeant la manière dont les données sont préparées dès le départ. Plutôt que d'essayer de compresser des images existantes puis de déterminer comment les charger dans une machine quantique, ils ont décidé de concevoir les données et les instructions de chargement simultanément. Ils appellent cette approche la Distillation de Jeu de Données Quantiques (Quantum Dataset Distillation). Imaginez essayer de faire entrer une bibliothèque de livres dans une petite valise. La méthode traditionnelle consisterait à choisir les livres les plus importants, à les rétrécir, puis à lutter pour trouver comment les emballer efficacement. Cette nouvelle méthode saute les étapes de rétrécissement et d'emballage. Au lieu de cela, les chercheurs créent un petit ensemble de nouveaux « livres » synthétiques qui sont conçus dès le départ pour s'insérer parfaitement dans la valise. Ces échantillons synthétiques ne sont pas des images du tout ; ils sont les instructions exactes nécessaires pour charger les données dans la machine quantique.

Les chercheurs ont testé cette idée sur deux collections d'images bien connues : l'une contenant des chiffres écrits à la main et l'autre avec des photos de vêtements. Ils voulaient voir s'ils pouvaient entraîner un modèle quantique en utilisant une fraction infime des données tout en maintenant le coût de chargement de ces données bas. Dans leurs expériences, ils ont créé un jeu de données distillé composé de seulement dix échantillons synthétiques pour chaque catégorie d'image. Il s'agit d'une réduction de la taille du jeu de données original par un facteur d'environ six mille. Malgré cette réduction drastique, les modèles quantiques entraînés sur ces dix échantillons par classe ont performé presque aussi bien que les modèles entraînés sur l'ensemble complet des soixante mille images. La clé de leur succès est qu'ils n'ont pas traité les données et le processus de chargement comme des problèmes distincts. En optimisant directement les données sous forme de séquence d'opérations quantiques, ils se sont assurés que chaque information conservée était quelque chose que la machine pouvait réellement utiliser sans gaspiller d'efforts dans des préparations impossibles.

L'une des découvertes les plus significatives fut l'ampleur de l'économie réalisée sur le nombre total de fois où la machine a dû exécuter ses expériences. En informatique quantique, chaque mesure nécessite que la machine effectue un cycle complet, ce qui est une opération coûteuse. Lorsque les chercheurs ont entraîné leurs modèles en utilisant un nombre limité de mesures par étape, leur approche distillée a atteint des niveaux de précision élevés en utilisant plus de cent fois moins de passages totaux que la méthode standard. Cela suggère qu'en sélectionnant soigneusement les données d'entraînement pour correspondre aux limitations physiques de la machine, les scientifiques peuvent obtenir des résultats puissants sans avoir besoin des quantités massives de temps de calcul qui rendent actuellement l'entraînement quantique si difficile.

L'équipe a également comparé sa méthode à d'autres stratégies qui tentent de réduire la taille des données. Certaines approches choisissent simplement les images les plus représentatives du groupe d'origine, tandis que d'autres tentent de compresser les images d'abord, puis de trouver comment les charger. Les chercheurs ont constaté que ces étapes séparées échouent souvent car le processus de compression perd des informations que le circuit de chargement ne peut pas récupérer. En revanche, leur approche conjointe a permis de garder l'information intacte car la donnée n'a jamais été séparée des instructions nécessaires pour la charger. Lorsqu'ils ont testé leurs modèles sur du matériel quantique réel disponible chez IBM, les résultats ont tenu bon. Les modèles entraînés sur leurs minuscules jeux de données distillés ont performé presque aussi bien que ceux entraînés sur des données complètes, même en tournant sur des machines bruitées et imparfaites.

Ce travail démontre que la manière dont nous préparons les données pour les ordinateurs quantiques est tout aussi importante que les algorithmes que nous utilisons pour apprendre d'elles. En concevant ensemble les données et les instructions de chargement, les chercheurs ont montré qu'il est possible d'entraîner des modèles quantiques efficaces avec une fraction des ressources habituelles. Ils n'ont pas seulement trouvé un moyen de rendre le processus plus rapide ; ils ont trouvé un moyen de le rendre réalisable. L'étude suggère que l'avenir de l'apprentissage automatique quantique dépendra moins de la construction de machines plus grandes et plus puissantes que de la découverte de moyens plus intelligents et plus efficaces pour les nourrir avec les informations dont elles ont besoin. Grâce à cet alignement minutieux entre les données et le matériel, la barrière de l'apprentissage quantique pratique a été abaissée, offrant une voie claire vers l'entraînement de ces systèmes complexes dans le monde réel.

Résumé technique : Distillation de jeux de données en circuits superficiels pour l'apprentissage automatique quantique

Énoncé du problème

L'entraînement de modèles d'apprentissage automatique quantique (QML) sur des jeux de données de taille réaliste se heurte à une barrière de coût prohibitive, principalement dictée par l'interface de données plutôt que par l'architecture du modèle lui-même. Avant qu'un modèle quantique puisse traiter un échantillon classique, un circuit de chargement doit préparer l'état quantique correspondant. L'encodage d'amplitude exact d'entrées arbitraires nécessite généralement un nombre exponentiel de portes à deux qubits. Crucialement, ce circuit de préparation doit être réexécuté pour chaque tir (shot) de mesure à chaque étape d'entraînement. Par conséquent, le coût total de l'entraînement évolue en fonction du nombre d'échantillons d'entraînement et de la complexité des portes nécessaires pour préparer chacun d'eux.

Les approches existantes tentent d'atténuer ce problème soit en compressant les entrées individuelles (par exemple, via un encodage d'amplitude approximatif ou des réseaux de tenseurs), soit en distillant les jeux de données classiques en ensembles plus petits avant d'appliquer un encodage quantique distinct. Cependant, ces méthodes souffrent d'une déconnexion critique : traiter la construction du jeu de données et la préparation de l'état séparément laisse les représentations distillées sans contrainte par rapport aux circuits utilisés pour les préparer. Cela se traduit souvent par des échantillons distillés qui restent coûteux à charger ou qui perdent une quantité significative d'informations lorsqu'ils sont ultérieurement compilés dans des circuits superficiels sous des budgets matériels stricts.

Méthodologie : Distillation de jeu de données quantique (QDD)

Les auteurs proposent la Distillation de Jeu de Données Quantique (QDD), un cadre qui distille directement un jeu de données classique complet en un ensemble compact de circuits de chargement superficiels et exécutables. Dans la QDD, l'échantillon synthétique et son circuit de chargement sont un seul et même objet, éliminant ainsi le besoin de synthèse de préparation d'état a posteriori.

1. Échantillons synthétiques natifs aux circuits :
Chaque échantillon synthétique est paramétré comme un circuit en escalier qui réalise un état de Tenseur de Train Quantifié (QTT) de faible rang.

Structure : Le circuit se compose d'une couche de rotation initiale suivie de $L$ couches successives en « escalier ». Chaque couche balaie les blocs de deux qubits voisins du lien le plus à droite vers la gauche.
Portes : Les blocs utilisent des rotations $R_y$ et des portes CNOT. À angle zéro, les CNOT s'annulent, rendant le bloc identique à l'identité.
Contrôle du coût : La profondeur $L$ contrôle directement le coût de chargement (nombre de portes à deux qubits) et la capacité de représentation (dimension de liaison). Cela garantit que l'échantillon optimisé est nativement exécutable dans un budget de portes spécifique.

2. Objectif de distillation :
Les paramètres du circuit sont optimisés classiquement à l'aide de gradients exacts pour correspondre au jeu de données complet sous un budget de chargement explicite. La fonction d'objectif combine deux termes :

Correspondance de distribution (DM) : Correspond aux caractéristiques moyennes conditionnelles de classe des données réelles et synthétiques telles qu'elles sont perçues par un modèle quantique $W_\theta$ initialisé aléatoirement. Cela garantit que les états synthétiques sont distinguables par la famille de modèles cibles.
Correspondance de matrice de densité : Correspond directement aux matrices de densité moyennes conditionnelles de classe ( $\bar{\rho}$ ) des données réelles et synthétiques. Cela fournit une mesure indépendante du modèle de la divergence dans l'espace d'état complet.
Optimisation : La perte est $L_{QDD} = L_{DM} + \alpha L_\rho$ . L'optimisation est effectuée hors ligne ; le modèle en aval $W_\theta$ est rééchantillonné mais non entraîné, servant uniquement d'extracteur de caractéristiques.

3. Déploiement :
Après la distillation, les circuits de chargement optimisés sont exportés directement. Pendant l'entraînement en aval, ces circuits restent gelés, et seuls les paramètres du modèle quantique sont mis à jour. Aucune compilation ou reconstruction supplémentaire n'est requise.

Principales contributions

Introduction du cadre : L'article introduit la QDD, qui traite conjointement la taille du jeu de données et le coût de préparation quantique en distillant les données d'entraînement directement en circuits de chargement exécutables, évitant ainsi la perte d'information associée à la compilation a posteriori.
Paramétrage par circuit en escalier : Les auteurs développent un paramétrage spécifique des états QTT à l'aide de circuits en escalier et les optimisent classiquement avec des gradients exacts, en faisant correspondre les caractéristiques et les états d'entrée moyens sous un budget de portes explicite.
Validation empirique : Le travail démontre que la QDD conserve de fortes performances avec des ensembles d'entraînement compacts (par exemple, 10 circuits par classe) et réduit considérablement les coûts cumulés de tir (shots) lors d'un entraînement à nombre de tir fini. Il valide également le déploiement de modèles entraînés par QDD sur du matériel quantique réel.

Résultats expérimentaux

Les auteurs ont évalué la QDD sur MNIST et Fashion-MNIST en utilisant une tâche de classification à 10 classes avec une interface de 8 qubits (résolution 16 $\times$ 16).

Précision vs Baselines : Sous des budgets de l'échantillon et de chargement équivalents (42 CNOT par échantillon), la QDD a obtenu la précision la plus élevée dans cinq des six configurations. Avec seulement 10 circuits par classe (0,0017 $\times$ la taille du jeu de données complet), la QDD a atteint 81,62 % sur MNIST et 69,67 % sur Fashion-MNIST, surpassant les baselines de sélection (aléatoire, k-means, coreset, etc.) et une baseline de type « distiller-puis-compresser ».
Optimisation conjointe vs Distiller-puis-compresser : La QDD a montré des avantages significatifs, particulièrement sous des budgets de portes serrés (par exemple, 14 CNOT). À IPC 10 et 14 CNOT, la QDD a amélioré la précision de 9,25 % par rapport à l'approche de distillation-puis-compression. Cela souligne qu'optimiser directement au sein de la famille de circuits préserve l'information qui est perdue lorsque l'on compile des états non contraints plus tard.
Efficacité de l'entraînement à tir fini : Dans l'entraînement par décalage de paramètres (parameter-shift) à tir fini, la QDD-10 (10 échantillons par classe) était la seule série compacte testée ayant atteint la cible de précision de 95 % du jeu de données complet à chaque réglage de tir (100, 1 000 et 10 000 tirs par circuit). Cela a été réalisé en utilisant 134 $\times$ , 576 $\times$ et 370 $\times$ moins de tirs cumulés que l'entraînement sur les données complètes pour les réglages respectifs. La méthode Random-10 a atteint la cible de 80 % mais n'a pas réussi à atteindre la cible de 95 % malgré un nombre d'échantillons et un coût par étape de tir identiques.
Validation matérielle : Des expériences sur trois processeurs quantiques IBM (Kawasaki, Fez, Boston) ont confirmé que les modèles entraînés par QDD performent de manière comparable aux modèles sur données complètes lorsqu'ils utilisent des chargeurs de tests superficiels identiques. L'étude a également noté que la préparation d'état exacte (rang-8) s'est mal comportée sur le matériel par rapport aux chargeurs en escalier superficiels, soulignant la nécessité pratique des circuits superficiels.

Signification et affirmations

L'article affirme que la QDD offre une voie pratique pour obtenir des données d'entraînement qui réduisent les coûts d'exécution quantique récurrents. En alignant la représentation optimisée pendant la distillation avec celle utilisée pour l'entraînement en aval, la QDD préserve l'utilité en aval sous des budgets explicites d'échantillons et de chargement. Les auteurs soutiennent que la clé d'un entraînement efficace en QML réside dans la conception conjointe des données d'entraînement et des circuits de chargement, plutôt que de les traiter comme des étapes séparées. Les résultats suggèrent que pour les dispositifs quantiques à ressources limitées, distiller les données directement en circuits superficiels est supérieur à la compression de données après sélection ou distillation.

Les auteurs restent modestes quant à la scalabilité future, notant que le passage à l'échelle de la distillation vers de plus grands systèmes quantiques tout en conservant des informations utiles dans des circuits superficiels reste un défi ouvert. Ils suggèrent que les contractions de réseaux de tenseurs efficaces et la correspondance d'observables sélectionnés sont des directions prometteuses pour les travaux futurs.