Sintesi Tecnica: Quantum Dynamic Time Warping per la Classificazione di Serie Temporali Multivariate

Definizione del Problema

Il Dynamic Time Warping (DTW) è un algoritmo standard per la classificazione di serie temporali che consiste nel trovare un allineamento temporale non lineare ottimale tra sequenze. Tuttavia, il DTW tradizionale si basa sulla metrica della distanza Euclidea per calcolare i costi puntuali. Sebbene efficace per dati univariati, la distanza Euclidea assume l'indipendenza delle caratteristiche e non riesce a catturare le complesse correlazioni cross-canale non lineari intrinseche nelle serie temporali multivariate (ad esempio, segnali fisiologici o dati cinematici). Inoltre, gli approoli di deep learning spesso soffrono di fame di dati e opacità, mentre i metodi basati sulle caratteristiche possono scartare la dinamica temporale olistica. Gli autori postulano che la sostituzione della rigida metrica classica con una metrica quantistica apprendibile potrebbe risolvere questo collo di bottiglia rappresentazionale senza alterare il robusto framework di programmazione dinamica del DTW.

Metodologia

Il documento propone il Quantum Dynamic Time Warping (qDTW), un'architettura ibrida che mantiene l'algoritmo classico di ricerca del percorso di programmazione dinamica del DTW, ma sostituisce la metrica della distanza Euclidea con una metrica di distanza quantistica addestrabile basata sulla fedeltà degli stati (state fidelity).

Architettura Core: Unified Pre-Embedding Adjoint Ansatz

L'innovazione centrale è una specifica topologia di circuito quantistico progettata per calcolare la distanza $d_Q(x_i, y_j)$ tra due istanti temporali $x_i$ e $y_j$:

1. Pre-Embedding Entanglement: Un blocco unitario parametrizzato $V(\theta)$, composto da $L=3$ strati di Strongly Entangling Layers, viene applicato prima del caricamento di qualsiasi dato classico. Questo stabilisce un sistema di coordinate ad alta dimensione fisso nello spazio di Hilbert.
2. Data Encoding: I dati classici vengono codificati tramite rotazioni $R_x$ parallele su singoli qubit (un qubit per ogni canale di caratteristica).
3. Adjoint Measurement: Per calcolare la distanza tra una sequenza $X$ e una $Y$, il circuito carica $X$ in avanti, poi applica l'inverso (adjunto) dell'encoding dei dati per $Y$ e l'inverso del blocco di entanglement $V^\dagger(\theta)$.
4. Global Fidelity: La distanza è derivata dalla sovrapposizione geometrica (fedeltà) dello stato finale con lo stato fondamentale $|00\dots0\rangle$. La metrica di distanza è definita come $d_Q = 1 - |\langle \psi(x_i) | \psi(y_j) \rangle|^2$.

Questo design di "Pre-Embedding" separa fisicamente i parametri addestrabili dal processo di caricamento dei dati, con l'obiettivo di prevenire il phase-scrambling e i colli di bottiglia informativi associati alle architetture di post-embedding.

Ottimizzazione

I parametri quantistici $\theta$ sono ottimizzati utilizzando la Triplet Margin Loss invece della Pairwise Contrastive Loss. Gli autori sostengono che imporre distanze assolute in uno spazio di Hilbert periodico può causare collisioni di fase (phase-wrapping collisions). La Triplet Loss impone una gerarchia relativa ($d(A, N) > d(A, P)$), permettendo all'ottimizzatore di raggruppare le classi senza lottare contro i confini periodici degli operatori quantistici.

Configurazione Sperimentale

L'architettura è stata valutata su quattro dataset (BasicMotions, RacketSports, FingerMovements e un dataset custom di Apnea) con dimensioni spaziali ($C$) comprese tra 1 e 8. Il dataset FingerMovements è stato troncato da 28 a 8 canali per adattarsi a una simulazione a 8 qubit. Gli esperimenti sono stati condotti utilizzando simulatori di stato vettoriale esatti (PennyLane) con un vincolo di banda di Sakoe-Chiba ($W=15$) per limitare il percorso di warping.

Contributi Chiave e Risultati

1. L'Unified Pre-Embedding Ansatz e i Baseline Non Addestrati

Gli autori dimostrano che il qDTW Untrained (utilizzando parametri casuali in $V(\theta)$) agisce come un baseline di "lazy learning" altamente espressivo. Grazie alla misurazione globale Adjoint e alla topologia di pre-embedding, il kernel quantistico non addestrato eguaglia regolarmente o supera le prestazioni del DTW classico in tutti i dataset e le dimensionalità prima di qualsiasi ottimizzazione del gradiente. Ciò suggerisce che lo spazio di Hilbert quantistico proietta naturalmente i dati multivariati in geometrie altamente separabili.

2. Il Tradeoff tra Espressività Spaziale e Temporale

Un risultato critico è la mutua esclusività tra larghezza spaziale e profondità temporale nell'allineamento di sequenze quantistiche:

• Univariato ($C=1$): Un singolo qubit manca di volume spaziale. In questo caso, il data re-uploading (profondità temporale) è necessario ed efficace, permettendo al singolo qubit di torcere iterativamente il proprio stato per costruire confini decisionali complessi.
• Multivariato ($C>1$): Applicare un profondo re-uploading temporale a registri multi-qubit innesca un "esplosione dello spettro di frequenza". Ciò porta a gradienti caotici, collasso della rappresentazione e paralisi dell'ottimizzazione.
• Conclusione: Per i dati multivariati, la larghezza spaziale (entanglement) è il meccanismo primario di espressività; la profondità temporale è deleteria. L'architettura ottimale utilizza un ansatz di Pre-Embedding a singolo caricamento (senza re-uploading).

3. Fallimento degli Osservabili Locali

Il documento invalida rigorosamente l'uso di osservabili locali (ad esempio, misurare un singolo qubit $\langle Z_0 \rangle$) per l'allineamento multivariato. Questo approccio agisce come un severo collo di bottiglia informativo, scartando le correlazioni geometriche ad alta dimensione. Negli studi di ablazione, le architetture con osservabili locali sono collassate verso l'indovinare casuale sui dati non addestrati e hanno fallito la generalizzazione sui dati addestrati, mentre la metrica di fedeltà Adjoint globale ha mantenuto la stabilità.

4. Risultati sulle Prestazioni

• Scalabilità Dimensionale: Sul dataset a 8 canali di FingerMovements, il qDTW Trained ha raggiunto il 65,48% di accuratezza, superando il DTW Classico (59,62%) e il baseline Euclideo Classico (54,76%).
• Vantaggio ad Alta Dimensionalità: All'aumentare della dimensionalità, le prestazioni del DTW Classico spesso degradavano a causa della maledizione della dimensionalità, mentre il qDTW Trained manteneva prestazioni robuste, sfruttando lo spazio di Hilbert esponenziale.
• Necessità dell'Addestramento: Sebbene l'Ansatz Untrained sia un forte baseline, l'addestramento parametrizzato è essenziale per dati cinematici complessi e altamente sovrapposti (ad esempio, BasicMotions con $C \ge 4$), dove ha recuperato margini di prestazione significativi rispetto allo stato non addestrato.

Significato e Rivendicazioni

Il documento sostiene di aver stabilito un nuovo standard per l'integrazione di circuiti quantistici parametrizzati con la programmazione dinamica. La sua importanza risiede in:

1. Regole Topologiche: Identifica vincoli architettonici stretti per l'allineamento di sequenze quantistiche, ovvero il "Tradeoff Spaziale-Temporale" e la necessità della misurazione Adjoint Globale rispetto agli Osservabili Locali.
2. Addestrabilità: Risolve i problemi di "barren plateau" e di phase-scrambling spesso associati al machine learning quantistico, separando l'entanglement dal caricamento dei dati.
3. Implementazione Pratica: Gli autori sostengono che il qDTW Untrained è una soluzione pronta per l'implementazione su dispositivi NISQ (Noisy Intermediate-Scale Quantum). Poiché raggiunge risultati allo stato dell'arte senza l'ottimizzazione del gradiente, esso evita i costi hardware proibitivi dell'addestramento di circuiti quantistici su hardware fisico, offrendo un'alternativa di "lazy learning" quantistica al DTW classico.

Il lavoro non rivendica un vantaggio computazionale nel passaggio di programmazione dinamica in sé (che rimane classico), quanto piuttosto un vantaggio rappresentazionale nella metrica di distanza, consentendo una migliore classificazione di dati temporali multivariati complessi.