Sintesi Tecnica: Addestramento Scalabile di Reti Neurali Quantistiche su Hardware per l'Imputazione di Dati Clinici

1. Definizione del Problema

L'addestramento di Reti Neurali Quantistiche (QNN) su hardware quantistico a breve termine è attualmente limitato dal costo proibitivo della stima del gradiente. Le standard regole di spostamento dei parametri (parameter-shift rules) richiedono un numero di valutazioni del circuito che scala quadraticamente ($O(n^2)$) rispetto al numero di parametri addestrabili. Per architetture generiche con $O(n^2)$ parametri, ciò rende l'ottimizzazione basata su hardware impraticabile oltre le piccole dimensioni del sistema a causa dei budget finiti di shot, dei tempi di coerenza e dei vincoli di tempo di esecuzione (wall-clock).

Inoltre, le QNN affrontano la sfida dei "barren plateaus" (plateau spettrali), dove i gradienti svaniscono esponenzialmente con la dimensione del sistema o la profondità del circuito. Sebbene le architetture strutturate (ad esempio, circuiti che preservano il peso di Hamming) possano mitigare i barren plateaus, esse non risolvono intrinsecamente il problema della scalabilità della stima del gradiente. Il dominio di applicazione specifico dell'imputazione di dati clinici presenta un banco di prova rigoroso per queste sfide: richiede l'apprendimento di relazioni condizionali complesse e non lineari in spazi di dimensionalità moderatamente elevata, mantenendo la stabilità sotto rumore e con dati limitati.

2. Metodologia

Gli autori introducono un framework di addestramento co-progettato che riduce il costo della stima del gradiente da $O(n^2)$ a $O(\log n)$ per passo di ottimizzazione. Questo framework integra tre componenti chiave:

A. Architettura Strutturata: Il Circuito Butterfly

La QNN impiega un'architettura Butterfly composta da gate a due qubit che preservano il peso di Hamming (Reconfigurable Beam Splitter o gate RBS).

• Inizializzazione dello Stato: Il circuito inizia con un protocollo di preparazione di uno stato non gaussiano tramite un "magic-state loader", creando blocchi a quattro qubit entangled ($|0011\rangle + |1100\rangle$). Ciò assicura che il circuito operi al di fuori del regime gaussiano classicamente simulabile.
• Caricamento dei Dati: Le caratteristiche classiche sono codificate tramite rotazioni $R_Y$ a singolo qubit, preservando il carattere non gaussiano.
• Struttura: Il nucleo addestrabile consiste in $O(\log n)$ strati di gate RBS. All'interno di ogni strato, i gate agiscono su coppie di qubit disgiunte. Questa struttura riduce il numero totale di parametri da $O(n^2)$ a $O(n \log n)$ e consente il mescolamento globale delle informazioni con una profondità ridotta.

B. Strategia di Addestramento Layer-wise (per strati)

Inveza di ottimizzare tutti i parametri simultaneamente, il framework adotta un protocolo di addestramento layer-wise (greedy):

1. Due sottocircuiti indipendenti di dimensione $n/2$ vengono addestrati (classicamente o tramite simulazione) e i loro parametri vengono congelati.
2. Un nuovo strato di accoppiamento di $n/2$ gate RBS viene aggiunto per connettere i sottocircuiti.
3. Solo i parametri di questo strato appena introdotto vengono ottimizzati sull'hardware quantistico.
   Questo processo si ripete, confinando l'ottimizzazione su hardware a un sottoinsieme di parametri piccolo e ben strutturato in ogni fase.

C. Regola di Spostamento dei Parametri Parallelizzata

Il framework sfrutta la struttura commutativa all'interno di ogni strato Butterfly. Poiché i gate in un singolo strato agiscono su coppie di qubit disgiunte, i loro generatori commutano mutualmente.

• Ciò consente di spostare simultaneamente tutti i parametri all'interno di uno strato.
• Utilizzando una specifica regola di spostamento dei parametri parallelizzata, i gradienti per tutti i parametri in uno strato possono essere estratti da un numero costante di esecuzioni del circuito (indipendentemente dalla dimensione dello strato).
• Combinato con la profondità $O(\log n)$, il numero totale di valutazioni distinte del circuito per ogni passo di ottimizzazione scala come $O(\log n)$.

3. Applicazione: Imputazione di Dati Clinici

Il framework è validato sul dataset di cartelle cliniche elettroniche MIMIC-III, un benchmark per l'imputazione di valori clinici mancanti.

• Task: La predizione della sopravvivenza binaria del paziente (metrica AUC) funge da proxy a valle per la qualità dell'imputazione.
• Protocollo: Viene utilizzato un pipeline ibrido classico-quantistico. Una QNN agisce come un stimatore condizionale apprendibile all'interno di uno schema di imputazione iterativo. Nello specifico, viene utilizzato un protocolo di "imputazione di una singola feature" dove la QNN predice una singola feature target (selezionata tramite importanza Gini) mentre le altre feature sono imputate classicamente (tramite MissForest).
• Baseline: Il modello ibrido è confrontato con baseline statistiche (imputazione media/zero) e metodi classici iterativi/basati su modelli molto forti (KNN, MICE, MissForest, Deep MICE).

4. Risultati Chiave

Gli esperimenti sono stati condotti su hardware a ioni intrappolati IonQ Forte Enterprise e tramite simulazione a rete tensoriale (MPS).

• Fattibilità dell'Addestramento su Hardware (16 Qubit):

  • Una QNN a 16 qubit è stata addestrata direttamente sull'hardware IonQ utilizzando la regola del parametro di spostamento parallelizzato.
  • Il modello addestrato su hardware ha raggiunto un AUC medio di 0,7147, eguagliando le prestazioni della baseline classica più forte (Deep MICE, AUC 0,7176).
  • Crucialmente, il modello ibrido ha mostrato una varianza inferiore tra i diversi seed casuali rispetto al Deep MICE classico, suggerendo una migliore stabilità dell'ottimizzazione.
  • Non è stata osservata degradazione delle prestazioni confrontando l'addestramento su simulatori ideali, simulatori rumorosi e l'hardware reale.

• Scalabilità e Inferenza (32 Qubit):

  • L'addestramento è stato eseguito tramite simulazione MPS per modelli a 32 qubit, mentre l'inferenza è stata eseguita direttamente sull'hardware IonQ.
  • Il modello ibrido a 32 qubit ha eguagliato le prestazioni di una rete neurale completamente classica a 32 nodi, confermando che i circuiti a 32 qubit sono compatibili con l'hardware e non incorrono in penalità di prestazione durante l'inferenza.

• Analisi della Capacità:

  • Uno studio di ablazione sulla larghezza della rete classica ha indicato che le prestazioni saturano a 128 unità nascoste.
  • Gli autori identificano 128 qubit come la scala target necessaria affinché una QNN possa eguagliare pienamente il potere espressivo della baseline classica ottimale per questo specifico compito.

5. Significato e Rivendicazioni

Il paper rivendica di aver dimostrato un percorso pratico e scalabile per l'addestramento di QNN su hardware a breve termine, alterando fondamentalmente la scalabilità dei costi di stima del gradiente.

• Contributo Primario: La riduzione della complessità di valutazione del circuito da $O(n^2)$ a $O(\log n)$ consente l'ottimizzazione diretta basata sul gradiente su hardware attuale (dimostrata a 16 qubit) senza ricorrere alla potatura del gradiente, approssimazioni di ordine zero o fallback di simulazione.
• Robustezza: Il framework produce modelli che sono robusti al rumore realistico dell'hardware e che esibiscono una varianza ridotta rispetto alle baseline neurali classiche.
• Compatibilità Hardware: Il lavoro valida che i circuiti strutturati e a profondità ridotta (Butterfly), combinati con l'estrazione parallela del gradiente, sono ben adatti a piattaforme con connettività a lungo raggio come i processori a ioni intrappolati.
• Ambito Modesto: Gli autori dichiarano esplicitamente che l'attuale configurazione sperimentale è un "benchmark diagnostico controllato" (imputazione di una singola feature) piuttosto che un sistema di produzione completamente ottimizzato. La rivendicazione è che il framework proposto abilita l'addestramento pratico, mentre l'imputazione dell'intero dataset alla scala target (128 qubit) rimane un traguardo futuro man mano che l'hardware matura.