⚛️ fisica quantistica

Invariance can prevent overfitting and shortcut learning in Quantum Neural Networks

Questo articolo dimostra che l'incorporazione della simmetria $D_4$ nelle reti neurali quantistiche migliora significativamente la generalizzazione, la robustezza all'apprendimento di scorciatoie e la resilienza al rumore rispetto a modelli non invarianti con architetture e conteggi di parametri identici attraverso diverse attività di classificazione di immagini.

Autore originale: Giuseppe D'Ambruoso, Giovanni Gramegna, Domenico Pomarico, Giuseppe Magnifico, Cosmo Lupo

Pubblicato 2026-11-11

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autore originale: Giuseppe D'Ambruoso, Giovanni Gramegna, Domenico Pomarico, Giuseppe Magnifico, Cosmo Lupo

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Nel mondo dell'intelligenza artificiale, i computer stanno imparando a vedere il mondo scansionando immagini e individuando schemi. Quando una macchina guarda la fotografia di un gatto, non le importa se il gatto è seduto dritto, sdraiato o visto da un'angolazione diversa; l'etichetta "gatto" rimane la stessa. Questa capacità di riconoscere che l'identità fondamentale di un oggetto rimane costante anche quando la sua posizione cambia è chiamata invarianza. Per decenni, gli ingegneri hanno costruito programmi per computer classici che hanno codificato questa regola, insegnando loro a ignorare rotazione e riflessione per poter apprendere più velocemente e con maggiore precisione. Ora, gli scienziati stanno cercando di costruire un nuovo tipo di computer che utilizza le strane leggi della fisica quantistica per elaborare informazioni. Queste macchine quantistiche sono incredibilmente potenti in teoria, ma sono attualmente molto piccole e fragili, soggette a commettere errori quando cercano di apprendere da dati limitati. Una domanda fondamentale è stata se queste nuove macchine quantistiche possano anche imparare a ignorare la posizione di un oggetto per diventare migliori apprendiste, o se la loro fisica unica le renda troppo sensibili a tali dettagli.

Un team di ricercatori ha deciso di rispondere a questo quesito costruendo quattro diversi modelli quantistici per risolvere compiti di classificazione di immagini. Volevano vedere se costringere un computer quantistico a rispettare la simmetria di un'immagine — ovvero, che tratti un'immagine ruotata come lo stesso oggetto — avrebbe aiutato l'apprendimento. Per farlo equamente, hanno costruito quattro modelli distinti che erano identici in tutto tranne che per il modo in cui gestivano la simmetria. Hanno utilizzato lo stesso numero di bit quantistici, lo stesso numero di impostazioni regolabili e la stessa struttura matematica sottostante. Due di questi modelli sono stati progettati per essere "invarianti" per natura, il che significa che le loro regole interne li costringevano a ignorare l'orientamento dell'immagine. Gli altri due sono stati invece autorizzati a notare l'orientamento, trattando un'immagine ruotata come un input completamente diverso. I ricercatori hanno testato questi modelli su quattro diverse sfide: riconoscere numeri scritti a mano, identificare forme geometriche semplici, distinguere tra due tipi di galassie e individuare diverse forme di globuli rossi. In ogni caso, le immagini apparivano con rotazioni casuali, proprio come potrebbero accadere nel mondo reale.

I risultati sono stati chiari e coerenti in tutti e quattro i compiti. I modelli che sono stati costruiti per ignorare l'orientamento delle immagini hanno imparato molto più velocemente e hanno commesso meno errori su nuove immagini mai viste prima. Poiché sono stati costretti a concentrarsi solo sulla forma dell'oggetto e non sulla sua posizione, non hanno sprecato la loro limitata capacità di apprendimento memorizzando dettagli specifici delle foto di addestramento. Al contrario, i modelli che sono stati autorizzati a notare l'orientamento hanno rapidamente memorizzato le pose esatte delle poche immagini che gli sono state mostrate. Quando questi modelli non invarianti si sono trovati di fronte a una nuova immagine con una rotazione diversa, spesso sono falliti completamente. I ricercatori hanno scoperto che rendere il circuito del computer quantistico simmetrico non era sufficiente; anche l'ultimo passaggio in cui il computer legge la sua risposta doveva essere simmetrico. Se il computer era stato costruito con regole simmetriche ma gli veniva chiesto di dare una risposta non simmetrica, falliva comunque nel generalizzare.

Lo studio ha anche esplorato un problema comune nel machine learning chiamato "apprendimento per scorciatoie" (shortcut learning), in cui un modello trova un trucco facile per indovinare la risposta invece di apprendere la regola reale. I ricercatori hanno aggiunto una piccola filigrana nascosta nell'angolo di ogni immagine di addestramento per vedere se i modelli si sarebbero affidati ad essa. I modelli che potevano notare l'orientamento hanno imparato questo trucco istantaneamente; guardavano l'angolo, vedevano la filigrana e indovinavano la risposta senza mai guardare l'immagine principale. Quando i ricercatori hanno spostato la filigrana in un angolo diverso, questi modelli sono falliti, scendendo al livello di un indovinare casuale. I modelli invarianti, tuttavia, non potevano vedere la filigrana affatto perché essa si muoveva con la rotazione dell'immagine. Inveve, erano costretti a guardare il contenuto effettivo dell'immagine, e continuavano a identificare correttamente gli oggetti anche quando il trucco veniva rimosso.

Infine, il team ha testato come questi risultati resistessero al rumore e agli errori tipici dell'attuale hardware quantistico. I veri computer quantistici sono imperfetti, e i loro segnali sono spesso distorti dal calore e dalle interferenze. I ricercatori hanno simulato queste condizioni e hanno scoperto che il vantaggio dei modelli invarianti sopravviveva. Anche quando i segnali quantistici erano rumorosi, i modelli che ignoravano l'orientamento rimanevano più accurati e meno soggetti all'overfitting rispetto ai loro omologhi. Lo studio suggerisce che, affinché i computer quantistici siano utili nel mondo reale, specialmente quando i dati sono scarsi, costruire la simmetria direttamente nel loro design è uno strumento potente. Essa agisce come un parapetto, impedendo alla macchina di distrarsi con dettagli irrilevanti e aiutandola a concentrarsi sui veri schemi che definiscono il mondo che la circonda.

Sintesi Tecnica: Invarianza nelle Reti Neurali Quantistiche

Problema
Gli Algoritmi Quantistici Variazionali (VQA), specificamente le Reti Neurali Quantistiche (QNN), rappresentano un approccio di punta per l'apprendimento automatico su hardware quantistico a breve termine. Tuttavia, la loro utilità è limitata dal numero ridotto di qubit, dal rumore e dal problema del "barren plateau" (plateau sterile), in cui i gradienti svaniscono esponenzialmente con la dimensione del sistema. Di conseguenza, le QNN vengono tipicamente addestrate su piccoli dataset, sollevando una domanda critica: esse generalizzano efficacemente partendo da pochi esempi? Sebbene le architetture consapevoli delle simmetrie (reti equivarianti) siano teoricamente destinate a migliorare la generalizzazione e l'efficienza dei dati restringendo il modello a funzioni invarianti, studi precedenti hanno faticato a isolare il beneficio specifico della simmetria. Spesso, i modelli equivarianti vengono confrontati con baseline non equivarianti che differiscono per set di porte, struttura del circuito o conteggio dei parametri, rendendo poco chiaro se i guadagni di prestazione derivino dalla simmetria o da altre differenze architettoniche. Inoltre, rimane poco chiaro se il beneficio derivi dal circuito equivariante stesso o dal readout invariante, e se tali modelli siano robusti all'apprendimento di scorciatoie ("shortcut learning", ovvero l'affidamento su indizi spuri) e al rumore hardware realistico.

Metodologia
Gli autori conducono un'indagine controllata sul ruolo dell'invarianza in compiti di classificazione di immagini in cui le etichette sono invarianti sotto il gruppo diedro $D_4$ (rotazioni di multipli di $90^\circ$ e riflessioni). Per isolare l'effetto della simmetria, progettano uno studio che confronta quattro distinti modelli a 8 qubit che condividono:

Codifica Identica: Codifica dell'ampiezza di immagini di $16 \times 16$ pixel su 8 qubit, dove $D_4$ agisce tramite bit-flip e scambi di registro.
Struttura del Circuito Identica: Lo stesso numero di strati, parametri addestrabili e pattern di condivisione dei parametri.
Algebre di Lie Dinamiche (DLA) Equivalenti: I circuiti sono costruiti in modo che le loro DLA siano coniugate e della stessa dimensione ($569$), garantendo lo stesso potere espressivo riguardo alle unità raggiungibili.

I quattro modelli sono definiti dalla combinazione di equivarianza del circuito e invarianza del readout:

Equiv: Un circuito equivariante misurato con un osservabile equivariante (modello completamente invariante).
Equiv-NoSym: Lo stesso circuito equivariante misurato con un osservabile non equivariante (modello non invariante).
NonEquiv: Un circuito non equivariante (costruito coniugando il circuito equivariante con un'unitaria fissa su un registro) misurato con un osservabile equivariante (modello non invariante).
NonEquiv-Twirled: Il circuito non equivariante mediato sul gruppo $D_4$ (post-processing classico) per imporre l'invarianza.

I modelli sono testati su quattro compiti di classificazione binaria: cifre MNIST (4 contro 5), un compito sintetico (croce contro quadrato), Galaxy10 (galassie vista frontale contro vista di taglio) e globuli rossi (forma a falce contro altre deformazioni). Lo studio valuta l'errore di generalizzazione, la robustezza all'apprendimento di scorciatoie (utilizzando watermark dipendenti dalla classe e gradienti) e la resilienza a un modello di rumore realistico che simula i processori quantistici superconduttori.

Contributi Chiave e Risultati
Lo studio produce sei scoperte primarie:

L'invarianza previene l'overfitting: Su tutti e quattro i compiti, i modelli invarianti (Equiv e NonEquiv-Twirled) addestrati con soli 20–40 immagini mostrano gap di generalizzazione significativamente minori e un'accuratezza di test più elevata rispetto ai modelli non invarianti. I modelli non invarianti tendono a fare overfitting sulle pose specifiche presenti nel set di addestramento.
L'equivarianza del circuito è insufficiente: Il circuito equivariante da solo non garantisce la generalizzazione. Il modello Equiv-NoSym (circuito equivariante, readout non equivariante) va in overfitting tanto quanto il modello non equivariante NonEquiv. Il beneficio deriva solo quando l'intero modello (circuito + readout) è invariante.
Costo dell'apprendimento della simmetria: I modelli non invarianti vanno in overfitting perché devono apprendere la simmetria dai dati. Quando testati su cifre in posizione verticale (dove l'orientamento è fisso e informativo), il modello non invariante va in overfitting significativamente meno, confermando che l'overfitting nelle impostazioni con pose casuali è il costo dell'inferenza del vincolo di simmetria.
Invarianza integrata vs. mediata: Sia l'invarianza integrata (Equiv) che la media classica del gruppo (NonEquiv-Twirled) prevengono l'overfitting. Tuttavia, la loro accuratezza dipende dal compito. Equiv performa meglio sul compito sintetico, mentre NonEquiv-Twirled performa meglio sui globuli rossi. Ciò è attribuito alle loro diverse classi di funzioni: Equiv ha uno spazio di caratteristiche più piccolo e totalmente invariante, mentre NonEquiv-Twirled proietta uno spazio più ampio e non invariante su caratteristiche invarianti.
Immunità alle scorciatoie di orientamento: Quando addestrati con watermark d'angolo dipendenti dalla classe o gradienti di luminosità (scorciatoie), i modelli non invarianti apprendono questi indizi spuri e falliscono quando gli indizi vengono spostati o rimossi. I modelli invarianti, incapaci di distinguere tra le versioni ruotate dell'immagine, ignorano le scorciatoie dipendenti dalla posizione e apprendono il contenuto reale delle immagini.
Resilienza al rumore: Il vantaggio di prestazione dei modelli invarianti persiste sotto modelli di rumore realistici (rilassamento termico, rumore depolarizzante, errori di readout) tipici degli attuali processori superconduttori. Sebbene il rumore rompa leggermente la simmetria del modello Equiv, il degrado è minimo (<2%) e il gap di generalizzazione rimane favorevole rispetto ai modelli non invarianti.

Significatività
Il documento dimostra che l'incorporazione delle simmetrie del compito nelle QNN è una strategia valida per mitigare l'overfitting e l'apprendimento di scorciatoie nel regime di dati limitati dei dispositivi quantistici a breve termine. Crucialmente, lo studio stabilisce che il beneficio non è inerente alla sola struttura del circuito equivariante, ma richiede che l'output del modello sia invariante. Controllando la profondità del circuito, il numero di parametri e l'algebra di Lie dinamica, gli autori mostrano che l'invarianza agisce come un potente bias induttivo, permettendo ai modelli di generalizzare da pochi esempi senza fare affidamento su correlazioni spurie. Questi risultati supportano l'uso di vincoli di simmetria nella progettazione di modelli quantistici, specialmente quando i dati etichettati sono scarsi, evidenziando al contempo che la scelta specifica della classe di funzioni invarianti (integrata vs. mediata/twirled) deve essere adattata al compito specifico.

Articoli simili