SQGen: Structured Quantum Image Generation with Latent-Modulated Quantized Tensor Trains

技術要約：SQGen：潜在変数変調型量子化テンソル・トレインを用いた構造化量子画像生成

問題提起

NISQ（Noisy Intermediate-Scale Quantum）ハードウェア上で、量子系から直接画像を生成することは、依然として未解決の課題である。既存の量子生成モデルは、主に以下の3つの結合した障害に直面している：

1. 学習可能性（Trainability）： 深層のパラメータ化された回路は、「バレン・プラトー（不毛の台地）」の問題に苦しむことが多い。これは、量子ビット数や回路の深さに伴って勾配の分散が指数関数的に消失し、最適化が停滞する現象である。
2. 回路の複雑性（Circuit Complexity）： 振幅エンコーディングに依存する手法は、高価な状態準備コストを伴う。また、これらの状態を準備するために必要な深い回路は、ハードウェアノイズによって量子情報を劣化させる。
3. エンドツーエンドの量子優位性（End-to-End Quantum Advantage）： 画像スケールの出力を生成するには、通常、量子状態を解釈するための古典的なデコーダが必要となる。このハイブリッドなアプローチは、モデリング能力の大部分が古典コンポーネントに依存することになるため、エンドツーエンドの量子優位性を損なう。

現在のハイブリッドアプローチ（浅い量子コンポーネントと古典デコーダを組み合わせたものなど）は、高次元のターゲットに対して真の量子優位性を提供できず、一方で純粋な量子アプローチは、ノイズと深さの制約に直面している。

手法

著者らは、推論時に古典デコーダを介さず、エンドツーエンドで動作するように設計された完全量子生成器であるSQGenを提案する。このアーキテクチャは、**潜在変数変調（Latent Modulation: LM）を備えた量子化テンソル・トレイン（Quantized Tensor Train: QTT）**の骨格に基づいて構築されており、古典ハードウェア上で完全に学習され、ネイティブゲート量子回路として展開される。

1. QTTボンド・スケルトン（物理的実装）：

• 構造： モデルは、ターゲットとなる画素分布のQTT分解を利用する。古典的なテンソルネットワークとは異なり、SQGenはQTTのボンド指数を物理的な**アンシラ・ボンド量子ビット（ancilla bond qubits）**へと昇格させる。
• メカニズム： 画像サイズが $2^{n_s} \times 2^{n_s}$ の場合、行および列の座標は、$n_s$ 個のスケールにわたるバイナリビットへとマッピングされる。各スケールは2つの物理量子ビットによってエンコードされる。ボンド次元 $\chi$ は、$n_b = \log_2 \chi$ 個のアンシラ量子ビットへとマッピングされる。
• 動作： 各回路サイトは、ボンド・レジスタ（アンシラ）と、特定の画像スケールを表す2つの物理量子ビットに対して局所的なユニタリ演算を適用する。出力は、すべての量子ビットを測定し、アンシラビットを破棄することで得られる**ボンド・マージナル・ボルン分布（bond-marginal Born distribution）**である。この構造により、回路は限られた量子ビット数でマルチスケールの相関を効率的に学習できる。

2. 潜在変数変調（Latent Modulation: LM）：

• 角度レベルの因数分解： 生成を潜在変数 $z$ に条件付けるために、SQGenはデータ再アップローディング技術を洗練させている。再アップローディングの回転を学習可能な回転の隣に配置するのではなく、回転角を学習可能なメインパスと加法的な潜在項に因数分解する。
• 数学的根拠： これは、共通の軸周りの回転に関するアーベル（可換）性に依拠している。回転 $R_a(\theta) R_a(\omega \cdot z + \beta)$ は、$R_a(\theta + \beta + \omega \cdot z)$ という単一の回転と厳密に等価である。
• 利点： この厳密な分解により、潜在変数 $z$ が出力角度を直接変調することが可能になる。展開時には、これらの回転を単一のネイティブゲートに融合できるため、回路の深さを削減できる。

3. 古典学習・量子展開パイプライン：

• 学習： モデルは、微分可能なQTT実装を用いて、完全に古典システム上で学習される。
  • 潜在事前分布： 潜在変数 $z$ は、回転角の $2\pi$ 周期性と一致するように、スクランブルされたソボル準モンテカルロ系列を用いてトーラス事前分布（$\mathbb{T}^d$）からサンプリングされる。
  • エンコーダ： 小規模なCNNベースのエンコーダが、学習中に画像をトーラス潜在空間へとマッピングする。
  • 目的関数： 学習では、ターゲットの画素分布と、$z = E_\phi(x)$ におけるボルン分布との間の再構成誤差（KLダイバージェンスおよびL1距離）を最小化する。
  • 最適化： 厳密な勾配はテンソル縮退を通じてバックプロパゲーションされるため、ショットノイズやバレン・プラトーの問題を回避できる。
• 展開： 学習後、エンコーダは破棄される。学習されたパラメータは、ネイティブゲート量子回路（$\{R_y, R_z, \text{CNOT}\}$ を使用）へ一対一でエクスポートされる。推論は、$z$ をトーラス事前分布から直接サンプリングし、回路を実行し、計算基底で測定することによって行われる。

主な貢献

1. SQGenアーキテクチャ： QTTボンド・スケルトン（アンシラ量子ビットを用いてマルチスケール特徴を効率的に学習する）と潜在変数変調（サンプル多様性を向上させるために、角度レベルでの厳密な条件付けを提供する）を組み合わせた、構造化された量子画像生成器。
2. 古典学習パイプライン： 微分可能なテンソルネットワークの下でトーラス事前分布を用いてモデルを最適化する、完全な古典学習フレームワーク。これにより、バレン・プラトーの問題を回避し、推論パスにおける古典デコーダなしでのパラメータのエクスポートを可能にする。
3. 実証的検証： SQGenがMNISTおよびFashion-MNISTにおいて、安定して学習し、低い再構成誤差（KLおよびL1）を達成し、サンプルの多様性を維持しつつ、振幅エンコーディングのベースラインと比較して実機量子ハードウェア上での有望な実現可能性を示すことを、広範な実験を通じて実証した。

実験結果

• MNISTにおける性能： SQGenは、10個の数字クラスすべてにおいて、最も低いサンプルごとのKLおよびL1誤差を達成しつつ、非ゼロのサンプル多様性を維持した。これは、アブレーション研究（Vanilla Born Machine, BM+LM, BM+QTT）および単純なベースラインを上回る結果であった。
  • アブレーションによる知見： QTTボンド・スケルトン単体では、多様性のない静的なプロトタイプが生成された。潜在変数変調単体では、忠実度の低いノイズの多いサンプルが生成された。これら両方の組み合わせ（SQGen）のみが、潜在変数による条件付き変化を伴う鮮明なクラス構造をもたらした。
• 合成ターゲット： 制御されたタスク（マルチスケール・ストライプおよび移動するガウス塊）において、SQGenは複雑な空間パターンを正常に再現し、連続的な潜在入力に伴う一貫した変化を示した。
• ボンドランクのスケーリング： ボンドランク $\chi$ を増加させると、ある一点まで再構成品質が向上したが（$\chi=8$ で飽和）、それ以上のランクは回路の複雑さとノイズ感受性を増大させた。
• ノイズ耐性： 脱分極ノイズのシミュレーション下で、SQGenは表現能力（高い $\chi$）とノイズ耐性（低い $\chi$）の間のトレードオフを示した。
• 実機ハードウェア： ibm_kawasaki デバイス上に展開された際、SQGenはターゲットに酷似した画像を生成したが、振幅エンコーディングのベースラインは深刻な劣化を受け、構造的整合性を失った。

意義と主張

本論文は、SQGenが以下の方法で、NISQハードウェアにおける量子画像生成の根本的な障壁に対処していると主張している：

• 古典デコーダの排除： 量子測定から直接出力分布を読み取る、真のエンドツーエンド量子生成を実現した。
• 学習可能性の確保： 微分可能なテンソルネットワークを用いて古典的に学習することで、深い変分量子回路に固有のバレン・プラトー問題を回避している。
• ハードウェア適合性： 構造化されたQTTトポロジーを持つ浅いネイティブゲート回路の使用により、振幅エンコーディングを多用するベースラインよりも優れた性能を実機で示しており、モデルの展開への明確な道筋を示している。

著者らは、SQGenを汎用的な量子生成タスクの解決策としてではなく、NISQデバイスへの展開に向けた明確な経路を持つ、構造化された画像スケールの生成を可能にする特定のアーキテクチャ上の進歩として位置づけている。