Quantum Observers: A NISQ Hardware Demonstration of Chaotic State Prediction Using Quantum Echo-state Networks

Dit artikel presenteert een nieuw ontwerp voor een Quantum Echo-State Network (QESN) dat met succes lange tijdreeksen voorspelt uit een chaotisch Lorenz-systeem op ruisgevoelige IBM-quantumhardware, waarbij aanhoudende geheugencapaciteiten worden aangetoond die meer dan 100 keer de mediaan coherentietijden van de QPU overtreffen.

De kern

Het Grote Plaatje: Een Kristallen Bol voor Chaos

Stel je voor dat je het weer probeert te voorspellen. Het is een chaotisch systeem waar een kleine verandering vandaag (zoals een vlinder die met zijn vleugels slaat) weken later kan leiden tot een enorme storm. Dit is het Lorenz-systeem, een beroemd wiskundig model van chaos dat de onderzoekers gebruikten als proefkonijn.

Meestal vereist het voorspellen van zulke chaotische systemen enorme klassieke computers. Maar dit team vroeg zich af: Kunnen we een quantumcomputer hiervoor gebruiken, zelfs al zijn huidige quantumcomputers luidruchtig en breekbaar?

Hun antwoord is ja. Ze bouwden een "Quantum Observer" – een virtuele sensor die één deel van een chaotisch systeem kan waarnemen (zoals de windsnelheid) en kan uitzoeken wat de andere onzichtbare delen (zoals temperatuur en druk) doen, zelfs op de imperfecte quantumhardware van vandaag.

Het Probleem: De "Breekbare Glas" van Quantumcomputers

Denk aan huidige quantumcomputers (NISQ-apparaten genoemd) als een huis van kaarten gemaakt van glas. Ze zijn ongelooflijk krachtig, maar ze zijn ook:

1. Luidruchtig: Alsof je probeert een fluistering te horen in een rockconcert.
2. Breekbaar: De "kaarten" (qubits) vallen uit elkaar (decohereren) zeer snel. Als je probeert een lange berekening uit te voeren, stort het huis in voordat je klaar bent.

Eerdere pogingen om quantumcomputers te gebruiken voor tijdreeksvoorspelling moesten vaak stoppen, resetten en elke paar seconden opnieuw beginnen omdat het "huis" instortte. Dit artikel lost dat op door een structuur te bouwen die zeer lang kan blijven draaien zonder in te storten.

De Oplossing: Het Quantum Echo-State Netwerk (QESN)

De onderzoekers creëerden een nieuw ontwerp genaamd een Quantum Echo-State Netwerk (QESN). Hier is hoe het werkt, met een analogie:

1. De "Echo"-Kamer (Het Reservoir)

Stel je een grote, lege kamer voor met vreemd gevormde muren (de quantumcircuit). Je schreeuwt een geluid in de kamer (invoergegevens). Vanwege de vreemde muren kaatst het geluid rond, waardoor een complexe "echo" ontstaat die het nieuwe geschreeuw mengt met de echo's van eerdere schreeuwen.

• In het artikel: Dit is het "reservoir". Het neemt een stroom gegevens op en laat deze binnen het quantum-systeem rondkaatsen. Dit creëert een rijk, complex patroon dat de eerdere invoer onthoudt. Dit is het "geheugen".

2. De "Sparsiteit"-Truc (Het Ruisen Verminderen)

Normaal gesproken moet je, om een quantumcomputer te laten werken, elke qubit met elke andere qubit verbinden. Maar dat creëert te veel ruis en te veel fouten.

• De Analogie: Stel je een drukke dansvloer voor waar iedereen elkaars handen vasthoudt. Als één persoon struikelt, vallen iedereen.
• De Oplossing: De onderzoekers besloten de meeste handen los te laten. Ze lieten slechts een paar mensen elkaars handen vasthouden (dit heet sparsiteit).
• Het Resultaat: Door ongeveer 50% van de verbindingen te verwijderen, verkleinden ze de kans op fouten en lieten ze het circuit sneller draaien, zonder het vermogen om het verleden te onthouden te verliezen.

3. De "Her-upload" (De Beat Houden)

Om het geheugen in leven te houden, schreeuwt het systeem niet één keer. Het blijft nieuwe gegevens in de echo-kamer schreeuwen terwijl de oude echo's nog steeds rondkaatsen.

• De Analogie: Het is alsof een DJ een nieuw nummer mixt in een lied dat nog speelt. Het nieuwe nummer mengt zich met het oude, waardoor een continu, evoluerend geluid ontstaat.
• De Term uit het Artikel: Dit heet Data Re-uploading. Het stelt de quantumcomputer in staat een lange stroom gegevens te verwerken zonder te stoppen.

4. De "Reset" (De Magische Truc)

Hier is het slimste deel. In een normale quantumcomputer, als je naar de qubits kijkt (ze meet), verdwijnt de "magie" en stopt de berekening.

• De Analogie: Stel je een goochelaar voor die een truc uitvoert. Als je in de kaarten loert, mislukt de truc.
• De Oplossing: De onderzoekers bouwden een systeem waarbij ze alleen naar de helft van de qubits loeren (de "uitlees"-qubits) om het antwoord te krijgen, en vervolgens die specifieke qubits direct resetten naar nul, terwijl de andere helft (de "geheugen"-qubits) de echo laat doorgaan.
• Het Resultaat: Ze kunnen de show zeer lang laten doorgaan zonder dat het hele systeem instort.

De Recordbrekende Run

Het team testte dit op een echte quantumcomputer van IBM (de ibm_marrakesh).

• De Uitdaging: De quantumbits blijven meestal ongeveer 200 microseconden bestaan voordat ze hun "quantumkarakter" verliezen (dit heet T1/T2 coherentietijd).
• De Prestatie: Hun circuit draaide 48.000 microseconden.
• De Metafoor: Het is alsof een hardloper die normaal gesproken maar 2 seconden kan sprinten voordat hij instort. Dit team trainde hun hardloper om 100 seconden te sprinten zonder te stoppen. Ze draaiden het circuit 100 keer langer dan de hardware zou moeten meegaan.

De Resultaten: Het Onvoorspelbare Voorspellen

Ze voerden gegevens van het chaotische Lorenz-systeem in het systeem in (alleen de "X"-coördinaat). Het doel was om de "Y" en "Z" coördinaten te voorspellen, die het systeem niet kon zien.

• De Uitkomst: De Quantum Observer slaagde erin de verborgen delen van het chaotische systeem te voorspellen.
• De Vergelijking: Ze vergeleken het met een standaard klassiek computermodel. De quantumversie presteerde iets beter in simulaties en zeer competitief op het luidruchtige echte hardware, wat bewijst dat quantumcomputers complexe, langetermijngeheugentaken kunnen aanpakken, zelfs als ze imperfect zijn.

Samenvatting

Dit artikel toont aan dat we geen perfecte, futuristische quantumcomputers nodig hebben om vandaag nuttig werk te verrichten. Door een slim ontwerp te gebruiken dat:

1. Echo's gebruikt om het verleden te onthouden,
2. Onnodige verbindingen weghaalt (sparsiteit) om fouten te verminderen, en
3. Onderweg delen van het systeem meet en reset,

...kunnen we een "Quantum Observer" bouwen die chaotische systemen kan waarnemen en hun toekomstig gedrag veel langer kan voorspellen dan iemand dacht mogelijk op huidige hardware. Het is een bewijs dat quantummachines nu al nuttige hulpmiddelen kunnen zijn voor complexe voorspelling, niet alleen in de verre toekomst.

Technische samenvatting

Technische Samenvatting: Quantum Observers: Een NISQ-hardware-demonstratie van chaotische staatvoorspelling met behulp van Quantum Echo-state Networks

Probleemstelling
Hoewel kunstmatige intelligentie opmerkelijke capaciteiten heeft aangetoond op klassieke hardware, blijven schaalbaarheid en efficiëntie beperkt door rekenkundige grenzen. Quantumcomputers bieden het potentieel om deze beperkingen te overtreffen; echter, de integratie van quantumcomputing met neurale netwerken (NN's) op huidige Noisy Intermediate-Scale Quantum (NISQ)-hardware wordt gehinderd door decoherentie, ruis, hoge foutpercentages en korte coherentietijden (T1 en T2). Bestaande benaderingen voor Quantum Reservoir Computing (QRC) vertrouwen vaak op gespecialiseerde analoge apparaten, vereisen circuitherinitialisatie of -stopzetting (wat leidt tot "buffer overflow"-fouten), of missen persistente geheugen. Bovendien vormt het omzetten van klassieke reservoirconcepten—zoals vervagend geheugen, asymptotische stabiliteit (de "echo-state"-eigenschap) en nonlineariteit—in universele poortgebaseerde quantumcircuits aanzienlijke uitdagingen vanwege de unitaire evolutie van gesloten systemen en de ineenstorting van toestandsmetingen.

Methodologie
De auteurs stellen een schaalbaar Quantum Echo-State Network (QESN) voor dat is ontworpen om te fungeren als een "quantum-observer", in staat om latente toestandsvariabelen van een dynamisch systeem te reconstrueren uit gedeeltelijke metingen. De architectuur is specifiek ontworpen voor universele poortgebaseerde NISQ-hardware (specifiek IBM-supralevende qubits) en vermijdt de noodzaak van circuitresetten of stopzettingen tijdens de uitvoering van lange tijdreeksen.

Belangrijke methodologische componenten omvatten:

• Circuitarchitectuur: Het QESN maakt gebruik van een "meten en resetten"-paradigma waarbij uitleesqubits bij elke tijdstap worden gemeten en deterministisch worden gereset naar $|0\rangle$, terwijl geheugenvqubits hun staat behouden. Dit maakt continue evolutie over lange horizonnen mogelijk.
• Invoerencoding: Klassieke data wordt ingebed met behulp van "hoek-embeddings" (rotaties $R_z(\gamma)R_x(\beta)R_z(\alpha)$) op de Bloch-sfeer. Een "contextvenster"-benadering koppelt willekeurige invoergroottes aan deze rotatiehoeken via een volledig verbonden klassieke laag ($W_{in}$), waardoor de reservoirgrootte wordt ontkoppeld van de invoerdimensie.
• Sparsiteit en Verstrengeling: Om poortfouten te mitigeren en de circuitdiepte te verminderen (en zo SWAP-operaties te minimaliseren), introduceren de auteurs sparsiteit door een willekeurige subset van twee-qubit verstrengelende poorten te verwijderen. Het circuit maakt gebruik van een instelbaar "data re-uploading"-blok, waarbij invoerafhankelijke rotaties ($n_c$ keer) worden herhaald tussen verstrengelende poorten om nonlineariteit te vergroten.
• Responsanalyse: De auteurs breiden de klassieke tijd-domein responsanalyse uit de regeltechniek uit naar het quantumdomein. Door de respons van het systeem op stap-, helling- en sinusvormige invoer te analyseren, karakteriseren ze de geheugen capaciteit, nonlineariteit en stabiliteit van het QESN. Deze analyse leidt de selectie van sparsiteitsniveaus en het aantal re-uploading-blokken.
• Training en Optimalisatie: Het quantumcircuit genereert een hoogdimensionale kenmerkruimte (kansverdelingen over de Hilbertruimte). Deze kenmerken worden ingevoerd in een klassiek kleinste-kwadraten regressiemodel met elastic net-regularisatie om doeluitkomsten te voorspellen.

Belangrijkste Bijdragen

1. Nieuw QESN-ontwerp: Een universeel poortgebaseerd QESN-circuit dat continu werkt op NISQ-hardware zonder tussentijdse stopzettingen of volledige systeemresetten, met gebruikmaking van een meet-en-reset-schema voor uitleesqubits.
2. Responsanalysekader: Een uitbreiding van klassieke regeltheorie naar quantumcircuits om systematisch sparsiteit en nonlineariteit af te stemmen (via re-uploading-blokken), waarbij wordt aangetoond dat aanzienlijke sparsiteit (tot ongeveer 50% poortverwijdering) kan worden bereikt zonder de echo-state-eigenschap te compromitteren.
3. Hardwarevalidatie: Een uitgebreide demonstratie van het QESN dat fungeert als quantum-observer op de $ibm\_marrakesh$ QPU, met succesvolle voorspelling van de chaotische dynamiek van een Lorenz-systeem.

Resultaten

• Simulatie: Simulaties op de Aer-simulator (met gebruik van een $ibm\_fez$-ruismodel) toonden aan dat het gebruik van de volledige kansverdeling als kenmerken een lagere Root Mean Squared Error (RMSE) opleverde vergeleken met het gebruik van alleen verwachtingswaarden. Het QESN vertoonde superieure prestaties ten opzichte van klassieke ESN's in ruisvrije simulaties wanneer het aantal reservoirknooppunten gelijk was, hoewel de auteurs opmerken dat dit een bescheiden winst is.
• Hardware-uitvoering: Het QESN werd uitgevoerd op de $ibm\_marrakesh$ QPU met 12 qubits om de $y(t+1)$- en $z(t+1)$-coördinaten van een Lorenz-systeem te voorspellen op basis van alleen de $x(t)$-invoer.
  • Het circuit liep coherent gedurende ongeveer 48.000 $\mu$s, wat meer dan 100 keer langer is dan de mediale T1 (213,92 $\mu$s) en T2 (119,57 $\mu$s) coherentietijden van de qubits.
  • Het experiment verwerkte succesvol een tijdreeks van 2.000 stappen, wat aanzienlijk meer is dan eerdere demonstraties (bijvoorbeeld 100 stappen in [15], 20 stappen in [14]).
  • De hardwareresultaten behaalden een test-RMSE van 0,0922, wat nauw overeenkomt met de verwachtingen van ruisige simulaties.
  • Het systeem slaagde erin "buffer overflow"-fouten te mitigeren door een vertraging van 24 $\mu$s na de meting in te voeren, waardoor langere sequentiële runs mogelijk werden.

Betekenis en Claims
Het artikel claimt de langst uitgevoerde tijdreeksvoorspelling op poortgebaseerde NISQ-hardware tot nu toe te demonstreren. De auteurs benadrukken dat hun resultaten aantonen dat huidige NISQ-computers in staat zijn coherent geheugen te behouden en voorspellende taken uit te voeren over periodes die de coherentietijden van individuele qubits ver overtreffen.

Het werk positioneert het QESN als een haalbare "quantum-observer" voor dynamische systemen, met de nadruk op:

• Sparsiteit is een kritieke ontwerpparameter voor NISQ-optimalisatie, die foutpercentages verlaagt terwijl geheugen en nonlineariteit behouden blijven.
• Het meet-en-reset-paradigma, in combinatie met data re-uploading, maakt persistente geheugen en stabiele werking mogelijk zonder circuitherinitialisatie.
• Hoewel de huidige prestatiewinst ten opzichte van klassieke methoden bescheiden is, suggereert de exponentiële groei van de kenmerkruimte die quantumcomputers bieden, potentie voor aanzienlijke toekomstige voordelen naarmate de hardware verbetert.

De auteurs stellen expliciet dat ze op dit moment geen definitief "quantum-voordeel" claimen, maar eerder de praktische haalbaarheid van quantum machine learning-benaderingen op hedendaagse hardware voor complexe, chaotische dynamische systemen demonstreren.