Controllable Quantum Memory Capacity in Quantum Reservoir Networks with Tunable partial-SWAPs

Riepilogo Tecnico: Capacità di Memoria Quantistica Controllabile nelle Reti a Riserva Quantistica con Partial-SWAPs Sintonizzabili

Enunciato del Problema
Il Calcolo a Riserva Quantistica (QRC) offre un framework promettente per l'apprendimento automatico quantistico a breve termine su hardware NISQ (Quantum a Scala Intermedia e Rumoroso). Tuttavia, le architetture esistenti affrontano sfide significative riguardo alla controllabilità e alla comprensione dei loro meccanismi di memoria. Le due architetture concorrenti principali sono i modelli basati su feedback e i modelli ricorrenti. I modelli basati su feedback ricodificano le misurazioni classiche nello stato quantistico, ma questo processo collassa lo stato quantistico, distruggendo sovrapposizione ed entanglement, e aggiunge una profondità di circuito significativa. Al contrario, i modelli ricorrenti utilizzano registri di memoria e di lettura separati con un meccanismo parziale di misurazione e reset. Sebbene questi modelli ricorrenti abbiano dimostrato prestazioni all'avanguardia sull'hardware, il loro meccanismo sottostante di generazione della memoria non è pienamente compreso o controllabile. Nello specifico, non esiste un singolo parametro che governi la capacità di memoria; il sistema si basa su inizializzazioni casuali dei pesi, rendendo imprevedibile e difficile da sintonizzare per compiti specifici il tasso di dissipazione della memoria.

Metodologia
Gli autori propongono un avanzamento delle architetture QRC ricorrenti introducendo un meccanismo realizzabile sull'hardware chiamato partial-SWAP sintonizzabile. Questo approccio generalizza il circuito di smorzamento dell'ampiezza in un sottocircuito parametrizzato che scambia parzialmente i registri di lettura e di memoria immediatamente prima della misurazione.

La Rete a Riserva Quantistica (QRN) con partial-SWAP proposta consiste in tre livelli principali:

1. Livello di Inserimento (Embedding): I dati delle serie temporali classiche sono mappati in angoli di rotazione e codificati sui qubit di memoria. Viene impiegato uno schema di ricaricamento dei dati per introdurre non linearità tramite porte di entanglement (CRZ) e rotazioni a singolo qubit.
2. Livello di Scambio di Memoria: Questa è l'innovazione principale. Un sottocircuito esegue un'operazione di partial-SWAP tra qubit di memoria e di lettura adiacenti, controllata da un iperparametro $\gamma \in (0, 1]$.
   • Quando $\gamma = 1$, l'operazione è un SWAP canonico, trasferisce completamente le informazioni e resetta il qubit di memoria a $|0\rangle$.
   • Quando $0 < \gamma < 1$, l'operazione agisce come un canale di smorzamento dell'ampiezza controllato. Trasferisce informazioni parziali al registro di lettura lasciando una sovrapposizione residua sul qubit di memoria.
   • Il qubit di lettura viene successivamente misurato e resettato a $|0\rangle$.
3. Livello di Misura e Reset: Il registro di lettura viene misurato nella base di Pauli-Z per generare un vettore di caratteristiche (distribuzione empirica delle stringhe di bit), e il registro viene resettato per il passo temporale successivo.

Teoricamente, questo meccanismo crea un canale di smorzamento dell'ampiezza controllato che purifica il registro di memoria nel tempo. Il parametro $\gamma$ funziona in modo analogo al "tasso di perdita" nelle Reti a Stato di Eco (ESN) classiche, fornendo un controllo diretto sul tasso di dissipazione della memoria.

Contributi Chiave

• Capacità di Memoria Controllabile: Il documento introduce un singolo iperparametro sintonizzabile ($\gamma$) che controlla direttamente la capacità di memoria e il tasso di dissipazione della QRN, affrontando la mancanza di controllabilità nei precedenti modelli ricorrenti.
• Unificazione Teorica: Gli autori identificano il meccanismo sottostante della memoria sfadante in questi circuiti come un canale di smorzamento dell'ampiezza controllato, fornendo un chiaro analogo quantistico all'integrazione con perdita classica.
• Realizzabilità sull'Hardware: Il meccanismo partial-SWAP è progettato per essere implementabile su QPU basati su porte e include un effetto "purificante" che può servire come metodo di mitigazione degli errori per l'esecuzione ricorrente a lungo termine.

Risultati
Gli autori hanno validato l'approccio attraverso simulazioni utilizzando il simulatore Aer senza rumore e esperimenti sulla QPU ibm_boston.

• Capacità di Memoria a Breve Termine (STMC): Utilizzando un benchmark di richiamo randomizzato, lo studio ha dimostrato che le prestazioni di memoria dipendono fortemente da $\gamma$. Le prestazioni ottimali sono state trovate costantemente nell'intervallo $0 < \gamma < 1$. Valori vicini a 0 (identità) o 1 (SWAP completo) hanno portato a prestazioni scarse, confermando che è richiesto un equilibrio tra ritenzione e dissipazione delle informazioni. Le prestazioni sono generalmente migliorate con l'aumento del numero di qubit.
• Compito NARMA-5: La rete è stata testata sul compito di media mobile autoregressiva non lineare (NARMA-5) del quinto ordine. I risultati hanno mostrato che il $\gamma$ ottimale per il compito STMC corrisponda strettamente al $\gamma$ ottimale per il compito NARMA-5. Inoltre, aumentando il numero di blocchi di ricaricamento dei dati ($n_{repeats}$) le prestazioni su questo compito non lineare sono migliorate, suggerendo la necessità di non linearità oltre alla capacità di memoria.
• Confronto con ESN Classica: Quando confrontata con una Rete a Stato di Eco classica con un numero equivalente di nodi, la QRN con partial-SWAP ha mostrato un vantaggio di prestazioni in quasi tutti i casi testati, nonostante fosse limitata a un singolo seme casuale a causa dei costi di simulazione.
• Esecuzione su Hardware: Sulla QPU ibm_boston, il sistema ha eseguito con successo un compito di previsione NARMA-5 con una profondità di circuito di 133 porte su 1.000 passi temporali. Il risultato hardware (RMSE = 0,0646) è stato ragionevolmente vicino alla simulazione senza rumore (RMSE = 0,0484), dimostrando che il meccanismo partial-SWAP permette alla QRN di funzionare in ambienti ad alto rumore mantenendo le capacità di elaborazione non lineare.

Significato e Affermazioni
Il documento afferma che il partial-SWAP sintonizzabile fornisce un metodo "banale" ma efficace per creare memoria sfadante nei circuiti quantistici con requisiti asintotici di qubit pari a $O(N)$. Disaccoppiando la capacità di memoria dall'inizializzazione casuale dei pesi e fornendo un comando di controllo diretto ($\gamma$), gli autori sostengono che ciò avvicini gli algoritmi QRN alla controllabilità dei loro corrispettivi classici.

Il lavoro suggerisce che questo meccanismo permette la costruzione di Reti a Riserva Quantistica più robuste e interpretabili. Gli autori ipotizzano che, man mano che diventeranno disponibili QPU con tassi di errore inferiori e migliore connettività, questo approccio faciliterà lo sviluppo di vere e proprie reti neurali ricorrenti quantistiche controllabili (QRNN). La dimostrazione riuscita sull'hardware NISQ attuale valida la praticità dell'approccio per compiti di previsione di serie temporali, anche in presenza di rumore significativo.