Local and Multi-Scale Strategies to Mitigate Exponential Concentration in Quantum Kernels

Título: Estratégias Locais e Multi-Escala para Mitigar a Concentração Exponencial em Kernels Quânticos

Autores: Claudia Zendejas-Morales, Debashis Saikia, Utkarsh Singh.
Instituições: Universidade de Copenhague, IISER Thiruvananthapuram, Universidade de Ottawa e Conselho Nacional de Pesquisa do Canadá.
Contexto: Parte do programa de mentoria QAMP 2025 (Qiskit Advocate Mentorship Program).

---

1. O Problema: Concentração Exponencial em Kernels Quânticos

O artigo aborda um obstáculo fundamental nos métodos de aprendizado de máquina quântica baseados em fidelidade: a concentração exponencial.

• Mecanismo: À medida que o tamanho do sistema (número de qubits) ou a expressividade do circuito quântico aumentam, as sobreposições entre estados codificados distintos tendem a se concentrar em um valor independente dos dados (geralmente próximo de zero).
• Consequência: A matriz de Gram (o kernel) aproxima-se da matriz identidade. Isso significa que as entradas fora da diagonal tornam-se insignificantes, suprimindo a estrutura de similaridade informativa entre os dados.
• Impacto: A concentração leva a uma perda de variância estatística (dificultando a distinção entre amostras) e aumenta o custo de medição (número de "shots" necessários) para estimar o kernel com precisão.

2. Metodologia

Os autores propõem e implementam duas estratégias práticas para mitigar esse fenômeno, utilizando o framework Qiskit. O estudo é empírico e reprodutível, cobrindo dimensões de características $d \in \{4, 6, \dots, 20\}$.

A. Estratégias Propostas

1. Kernels Locais (Patch-wise):

   • Em vez de calcular a fidelidade global sobre todos os $d$ qubits, o método divide o sistema em "patches" (subconjuntos de qubits).
   • Calcula-se a similaridade (fidelidade ou produto interno de Hilbert-Schmidt) dentro de cada patch e agrega-se os resultados (média ponderada ou não ponderada).
   • Objetivo: Reduzir a sensibilidade ao "embaralhamento" global, explorando espaços de Hilbert menores onde a concentração é menos severa.
   • Implementações:
     • Baseado em Subcircuitos: Circuitos restritos aos qubits do patch.
     • Baseado em Matriz Densidade Reduzida (RDM): Traça-se o complemento do estado global para obter o estado do patch.

2. Kernels Multi-Escala:

   • Combina kernels calculados em diferentes granularidades de patches (ex: pares adjacentes de qubits e o sistema completo).
   • Define-se o kernel final como uma combinação convexa de kernels de diferentes escalas.
   • Objetivo: Preservar informações que podem aparecer em diferentes tamanhos de subsistemas, misturando similaridades locais e globais.

B. Configuração Experimental

• Mapas de Características: Utilização de mapas de dados estilo ZZ (rotações $R_x$/$R_z$ seguidas de entrelaçamento $CZ$/$R_{ZZ}$).
• Dados: Conjunto de dados tabulares reais (Câncer de Mama, Parkinson, Ionosfera, Doença Cardíaca, etc.) e sintéticos.
• Protocolo:
  • Divisões de treino/validação/teste fixas e pré-processamento padronizado.
  • Uso de SVM (Máquinas de Vetor de Suporte) com kernels pré-calculados para avaliação de classificação.
  • Varredura de dimensões de características ($d$) de 4 a 20.
• Diagnósticos:
  • Concentração fora da diagonal: Estatísticas de percentil (p50 e p95) das entradas fora da diagonal.
  • Riqueza Espectral: "Effective Rank" (rank efetivo) baseado em entropia dos autovalores.
  • Alinhamento Centralizado: Medida de quão bem a estrutura do kernel se alinha com os rótulos das classes.

3. Principais Contribuições

1. Implementação Unificada no Qiskit: Fornecimento de APIs consistentes para kernels globais (baseline), locais e multi-escala, permitindo comparações justas.
2. Pipeline de Benchmark Reprodutível: Um conjunto de dados, divisões e políticas de hiperparâmetros fixos para isolar o efeito da construção do kernel.
3. Análise Diagnóstica Abrangente: Demonstração de que a mitigação da concentração melhora a geometria do kernel (espectro mais rico, maior variância fora da diagonal), mas que isso não garante automaticamente melhorias na acurácia de classificação.
4. Suporte a Nyström: Implementação opcional de aproximação de Nyström para escalabilidade em conjuntos de dados maiores.

4. Resultados Chave

A. Geometria do Kernel e Concentração

• Mitigação Consistente: Tanto os kernels locais quanto os multi-escala mitigaram eficazmente a concentração exponencial em comparação com o kernel de fidelidade global.
• Estatísticas: Os kernels locais mantiveram valores de p50 e p95 (mediana e cauda superior das similaridades fora da diagonal) significativamente mais altos à medida que $d$ aumentava.
• Riqueza Espectral: Os kernels locais e multi-escala apresentaram um Effective Rank maior, indicando um espectro de autovalores mais plano e rico em informação, em contraste com o colapso espectral observado no baseline global.

B. Desempenho de Classificação (SVM)

• Resultados Heterogêneos: A redução da concentração não resultou em ganhos universais de acurácia.
  • Em alguns conjuntos de dados e dimensões, os kernels locais/multi-escala superaram o baseline.
  • Em outros, o desempenho foi comparável ou inferior.
• Interpretação: A melhoria na acurácia depende de se a variabilidade preservada pelos kernels locais está alinhada com a estrutura dos rótulos (classes). Às vezes, a agregação local pode descartar correlações globais importantes para a tarefa específica.
• Alinhamento: O alinhamento centralizado com os rótulos mostrou-se um indicador crucial; apenas aumentar a variância (reduzir concentração) sem alinhamento com os rótulos não melhora a performance.

5. Significado e Conclusão

O trabalho demonstra que a localidade e a mistura multi-escala são alavancas práticas e eficazes para controlar a concentração em kernels quânticos, transformando a geometria do espaço de características para evitar o colapso para a matriz identidade.

No entanto, o estudo alerta que a geometria do kernel não é um proxy suficiente para o desempenho preditivo. A escolha entre kernels globais, locais ou multi-escala deve ser orientada pelos dados específicos e pela tarefa, pois a mitigação da concentração é uma condição necessária, mas não suficiente, para o sucesso do aprendizado.

Direções Futuras:

• Seleção de design de patches e pesos de escala orientada por dados (via validação).
• Extensão para estimativas baseadas em "shots" (hardware real) e tratamento de ruído.
• Investigação de trade-offs entre custo computacional (cálculo de RDMs) e ganhos de performance.

Em suma, o artigo oferece uma ferramenta prática para pesquisadores de Quantum Machine Learning (QML) para construir kernels mais robustos contra a concentração, mas enfatiza a necessidade de validação empírica rigorosa para cada aplicação.