Benchmarking loss functions for trainable quantum feature maps

Sintesi Tecnica: Benchmarking delle Funzioni di Perdita per Mappe di Caratteristiche Quantistiche Addestrabili

Definizione del Problema
Le Quantum Support Vector Machines (QSVM) si affidano alle Quantum Feature Maps (QFM) per codificare i dati classici in stati quantistici ad alta dimensionalità. Sebbene le QSVM standard utilizzino QFM fisse, ciò ne limita l'espressività e l'adattabilità a distribuzioni di dati non lineari complesse. Le Trainable Quantum Feature Maps (TQM) affrontano questo problema introducendo porte parametrizzate e il re-upload dei dati per ottimizzare lo spazio di embedding. Tuttavia, l'ottimizzazione delle TQM dipende fortemente dalla scelta della funzione di perdita. La letteratura esistente manca di una comprensione sistematica di come diverse funzioni di perdita influenzino la dinamica di ottimizzazione, i costi computazionali e la stabilità della classificazione. Nello specifico, gli autori identificano un "problema di incrocio delle traiettorie" (trajectory crossing problem) nei regimi di addestramento a target fisso, in cui le traiettorie di ottimizzazione si intersecano, portando a una convergenza instabile e a bruschi cali di accuratezza.

Metodologia
Gli autori propongono un framework di benchmarking sistematico che confronta tre distinte funzioni di perdita per l'addestramento delle TQM all'interno di una pipeline ibrida quantistico-classica QSVM:

1. Distance Loss (DL): Basata sulla distanza di Hilbert-Schmidt tra matrici di densità miste di classi diverse. Questo metodo mira a massimizzare la separazione inter-classe, ma richiede la valutazione di tutte le fidelità a coppie, risultando in una complessità computazionale quadratica di $O(M^2)$, dove $M$ è la dimensione del dataset.
2. Measurement Loss (ML): Assegna a ciascuna classe uno stato di base ortogonale fisso e minimizza l'errore tra lo stato codificato e il target. Questo approccio valuta i campioni indipendentemente, raggiungendo una complessità lineare $O(M)$. Tuttavia, gli autori ipotizzano che forzare i cluster verso target fissi in uno spazio di Hilbert ristretto causi incroci di traiettoria.
3. Log-Likelihood Loss (LLL): La proposta centrale di questo lavoro. Ispirata alla stima della massima verosimiglianza (Maximum Likelihood Estimation), questo metodo reinterpreta la fedeltà $|\langle \psi | y \rangle|^2$ come una probabilità condizionata $P(y|x)$. Invece di minimizzare una penalità lineare, la LLL minimizza la log-verosimiglianza negativa:
   $$L_{LLL}(\theta) = -\frac{1}{L} \sum_{j=1}^{L} \frac{1}{M_j} \sum_{i=1}^{M_j} \log \left( |\langle \psi(x_i^j, \theta) | y_j \rangle|^2 \right)$$
   Questa formulazione applica una penalità non lineare che aumenta rapidamente per i campioni con basse probabilità di predizione, enfatizzando così i campioni difficili da classificare e fornendo un segnale di ottimizzazione più forte.

Configurazione Sperimentale
Lo studio utilizza il simulatore state-vector di Qiskit con l'ansatz EfficientSU2. Gli esperimenti sono stati condotti su tre dataset sintetici (Moons, Circles, Gaussian) che rappresentano diversi livelli di non-linearità e complessità di classe. La valutazione ha previsto 20 esecuzioni indipendenti per configurazione per valutare la stabilità statistica, variando la profondità del circuito (da 1 a 6 layer) e testando la robustezza contro rumore di depolarizzazione e di lettura simulato.

Risultati Chiave

• Stabilità di Ottimizzazione: Il metodo ML ha mostrato una significativa instabilità, caratterizzata dal "problema di incrocio delle traiettorie" in cui la sovrapposizione inter-classe ha subito picchi e l'accuratezza è crollata durante le prime fasi dell'addestramento, particolarmente in circuiti poco profondi. Il metodo LLL ha mitigato con successo questo fenomeno, raggiungendo una convergenza stabile comparabile al metodo DL, ma senza il costo quadratico.
• Efficienza Computazionale: La DL ha mantenuto la più alta accuratezza di classificazione ma ha sofferto di una scalabilità $O(M^2)$, rendendola impraticabile per dataset di grandi dimensioni. Sia ML che LLL hanno mantenuto una scalabilità lineare $O(M)$. Il tempo di addestramento della LLL è stato quasi identico a quello della ML, confermando che il miglioramento della stabilità non comporta costi computazionali aggiuntivi.
• Performance di Classificazione:
  • La DL ha costantemente ottenuto la più alta accuratezza media attraverso i dataset.
  • La LLL ha superato significativamente la ML in termini di stabilità (minore deviazione standard dell'accuratezza tra le esecuzioni) e ha raggiunto un'accuratezza media competitiva, spesso eguagliando o superando la ML, specialmente in circuiti poco profondi (ad esempio, circuiti a 1 layer sul dataset Circles).
  • L'aumento della profondità del circuito (layer variazionali) ha aiutato a mitigare l'incrocio delle traiettorie per tutti i metodi, ma ha introdotto un compromesso in cui un eccessivo approfondimento ha portato all'overfitting senza guadagni proporzionali nell'accuratezza del test.
• Robustezza al Rumore: Sotto modelli di rumore simulato, il metodo LLL ha mantenuto prestazioni robuste su dataset più semplici (Moons) ma ha mostrato il degrado atteso su dataset più complessi (Circles, Gaussian), coerentemente con la difficoltà del compito di classificazione.

Significatività e Rivendicazioni
Il documento afferma che la progettazione dell'obiettivo di addestramento è un fattore critico nel determinare la addestrabilità e la generalizzazione delle TQFM basate su QSVM. Il contributo primario è l'introduzione della Log-Likelihood Loss, che offre una soluzione pratica al compromesso tra efficienza computazionale e stabilità di ottimizzazione.

Gli autori sostengono che la LLL fornisca un "comportamento di ottimizzazione più stabile" rispetto alla convenzionale Measurement Loss, mantenendo al contempo una complessità computazionale lineare. Questo benchmark offre una guida pratica per bilanciare addestrabilità, efficienza e performance predittive. Il lavoro non pretende di risolvere i limiti fondamentali dei dispositivi NISQ, quanto piuttosto di fornire un miglioramento metodologico per la fase di ottimizzazione dei classificatori ibridi quantistico-classici.

Direzioni Future
Gli autori osservano che l'attuale framework si basa ancora su una SVM classica per il confine di decisione finale. Suggeriscono che i lavori futuri dovrebbero esplorare schemi di inferenza totalmente quantistici che assegnano le etichette direttamente in base alle probabilità di misura. Inoltre, è necessaria un'ulteriore investigazione sulla relazione tra l'espressività del circuito (numero di parametri rispetto alle proprietà strutturali) e le performance di ottimizzazione.