An End-to-End Hybrid Quantum--Classical Sampling Workflow for Discrete Markov Random Fields: A Reproducible Case Study

Technische Samenvatting: Een End-to-End Hybride Kwantum-Klassieke Sampling Workflow voor Discrete Markov Random Fields

Probleemstelling
Sampling uit discrete Markov Random Fields (MRFs) is een fundamentele uitdaging in probabilistische inferentie, computervisie en statistische fysica. De kernmoeilijkheid ligt in het trekken van samples uit de gezamenlijke distributie $P_\theta(x)$, wat normalisatie vereist door een partitiefunctie $Z(\theta)$ die sommeert over $2^n$ configuraties. Hoewel klassieke Markov Chain Monte Carlo (MCMC) methoden standaard zijn, lijden ze vaak aan trage menging en hoge autocorrelatie op loopy grafen. Daarentegen kampen variational inference en belief propagation met nauwkeurigheids- of convergentiebeperkingen. Dit onderzoek onderzoekt of amplitude-gecodeerde kwantumsampling een praktisch voordeel biedt ten opzalle van klassieke methoden, specifiek in een regime waar de volledige distributie klassiek kan worden voorbereid ($O(2^n)$), wat een exponentiële kwantumsnelwinst uitsluit maar wel een rigoureuze vergelijking van sampling-efficiëntie en onafhankelijkheid mogelijk maakt.

Methodologie
De studie hanteert een duale architectuurbenadering om verschillende probleem-schalen ($n$) aan te pakken:

1. Amplitude Encoding (Kleine $n$): Voor $n \in \{8, 10, 12\}$ bouwen de auteurs een pijplijn waarbij het diagonaal van de Hamiltoniaan $H_\theta$ klassiek wordt berekend in $O(2^n)$ tijd. De doel-waarschijnlijkheden worden genormaliseerd en de amplitudes $\alpha_x = \sqrt{P_\theta(x)}$ worden voorbereid met de Qiskit StatePreparation primitief. Dit creëert een kwantumtoestand $|\psi\rangle = \sum_x \sqrt{P_\theta(x)}|x\rangle$. Metingen in de computationele basis leveren onafhankelijke en identiek verdeelde (i.i.d.) samples op. Deze aanpak offert het potentieel voor een exponentiële versnelling van volledige Quantum Circuit Generative Modeling (QCGM) op voor een zuivere, controleerbare verificatie van het samplingproces.
2. Variational Quantum Circuits (VQC) (Grotere $n$): Voor grotere $n$, waar volledige enumeratie onhaalbaar is, trainen de auteurs hardware-efficiënte ansätze. Deze circuits bestaan uit $d$ lagen van single-qubit $R_Y$ rotaties afgewisseld met entangling CNOT-poorten. Drie entanglement-strategieën werden getest: lineair (aangrenzende qubits), clique-aware (passend bij de MRF-graaf topologie), en full (all-to-all). De circuits worden getraind om de Kullback–Leibler (KL) divergentie tussen de geïnduceerde distributie en de doel-distributie $P_\theta$ te minimaliseren.
3. Klassieke Baselines: De kwantummethoden worden vergeleken met vier klassieke samplers:
   • Single-site Gibbs (random-scan).
   • Block Gibbs (het updaten van maximale cliques).
   • Tuned-Block Gibbs (aangepaste block-lidmaatschap).
   • Parallel Tempering (PT) met 8 replica's.
   • Exact Inverse-CDF: Een klassieke baseline die de vooraf berekende distributie gebruikt om i.i.d. samples te trekken, dienend als een "apples-to-apples" vergelijking voor de amplitude encoder zodra de preprocessing-kosten zijn geamortiseerd.

Belangrijkste Bijdragen
Het artikel claimt geen kwantumvoordeel. In plaats daarvan worden de bijdragen gekenmerkt als een rigoureuze benchmarking en een studie naar negatieve resultaten:

1. ESS Gap Karakterisering: Een kwantificering van de Effective Sample Size (ESS) kloof tussen amplitude-gecodeerde i.i.d. sampling en vier klassieke MCMC-baselines over 60 instanties (vijf graaffamilies).
2. Wall-Clock Amortisatie: Een eerlijke vergelijking van de wall-clock tijd die expliciet de $O(2^n)$ klassieke preprocessing-kosten bevat die vereist zijn door de kwantum amplitude encoder, waarbij deze wordt vergeleken met exacte inverse-CDF sampling.
3. Classical Scaling Ceiling: Een multi-trial schalingstudie van Matrix Product States (MPS) tot $n=40$, die een concrete klassieke fidelity-plafond vaststelt voor toekomstige variational benaderingen.
4. Reproduceerbaarheid: De release van open-source code en uitvoerbare artefacten die alle tabellen en figuren regenereren vanuit gecommitteerde JSON-databestanden.

Resultaten

• ESS Ratio's: Over 60 instanties vertoonde de ratio van Quantum ESS tot Klassieke ESS een duidelijke hiërarchie. De kwantumsampler presteerde beter dan Single-Site Gibbs met een gemiddelde factor 16,35, Block Gibbs met 7,29, Tuned-Block Gibbs met 1,82, en Parallel Tempering met 1,79. Dit geeft aan dat hoewel kwantumsampling een structureel voordeel behoudt (i.i.d. output, $\tau \approx 1$), moderne klassieke samplers (specifiek Parallel Tempering) dit gat aanzienlijk verkleinen.
• Wall-Clock Prestaties: Wanneer de $O(2^n)$ preprocessing-kosten worden geamortiseerd, bereikt de Exact Inverse-CDF sampler een gemiddelde snelheid van 17.683.598 ESS/s, vergeleken met 487.706 ESS/s voor de kwantumsampler. Dit vertegenwoordigt een 36× voordeel in gemiddelde snelheden en een 153× voordeel in gemiddelde per-instance ratio's, wat bevestigt dat er geen wall-clock voordeel is voor de kwantum workflow in dit regime.
• VQC vs. MPS (Negatief Resultaat): Ondiepe hardware-efficiënte VQCs (diepte 3) presteerden aanzienlijk slechter dan de budget-matchende MPS bij alle geteste groottes ($n=8, 10, 12$). De fidelities voor VQCs waren 0,306, 0,210 en 0,165, vergeleken met 0,990, 0,958 en 0,878 voor MPS.
• VQC vs. Mean-Field: Bij $n=8$ en $n=10$ bereikte de Mean-Field benadering een hogere globale distributie-fidelity dan de VQC, hoewel de VQC de klassieke methoden op singleton marginal errors overtrof.
• MPS Schaling: Bij $n=40$ bereikte een MPS met een bond dimension $\chi=32$ een fidelity van 0,721 ± 0,059, wat een benchmark vormt voor toekomstige kwantumbenaderingen.
• Entanglement Strategieën: Clique-aware entanglement bood geen meetbaar fidelity-voordeel ten opzichte van lineaire entanglement bij de geteste schalen.

Betekenis en Claims
Het artikel stelt expliciet dat het geen kwantumvoordeel claimt. De betekenis ligt in:

1. Verheldering van het "Quantum Advantage" Narratief: Het demonstreert dat het schijnbare voordeel van kwantumsampling in MRFs zeer gevoelig is voor de keuze van de klassieke baseline. Hoewel kwantumsampling een structurele onafhankelijkheid biedt, elimineert geoptimaliseerde klassieke MCMC (zoals Parallel Tempering) bijna de ESS-kloof, en domineert klassieke exacte sampling (Inverse-CDF) in wall-clock tijd wanneer de preprocessing wordt meegerekend.
2. Definiëren van het Geldigheidsregime: De amplitude encoder is een verdedigbaar instrument wanneer i.i.d. kwantumsamples of downstream coherente state preparatie (bijv. voor amplitude estimation) strikt vereist zijn, of wanneer de volledige distributie niet kan worden geënumereerd maar een klassieke baseline niet beschikbaar is.
3. Negatieve Resultaten voor Ondiepe VQCs: De studie levert bewijs dat ondiepe, hardware-efficiënte ansätze onvoldoende zijn om de globale structuur van gepiekte MRF-distributies te vangen in vergelijking met tensor netwerk methoden zoals MPS.
4. Benchmarking: Het vestigt een reproduceerbaar kader en specifieke numerieke plafonds (bijv. MPS bij $n=40$) die toekomstige kwantumalgoritmen moeten overtreffen om nut aan te tonen.

De auteurs concluderen dat de meest plausibele paden naar een toekomstig kwantumvoordeel liggen in volledige QCGM Hamiltonian simulatie, diepere of probleem-bewuste variational ansätze, of noisy-hardware benchmarks op schaal, die allen worden geïdentificeerd als toekomstig werk.