🤖 machine learning

Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning

O artigo propõe o Gated QKAN-FWP, um framework escalável e eficiente em parâmetros para aprendizado de sequências inspirado em computação quântica que integra Programadores de Pesos Rápidos com Redes de Kolmogorov-Arnold Quânticas de qubit único para alcançar precisão superior em previsões de longo horizonte tanto em benchmarks clássicos quanto em hardware real NISQ, comparado a modelos recorrentes maiores.

Autores originais: Kuo-Chung Peng, Samuel Yen-Chi Chen, Jiun-Cheng Jiang, Chen-Yu Liu, En-Jui Kuo, Yun-Yuan Wang, Prayag Tiwari, Andrea Ceschini, Chi-Sheng Chen, Yu-Chao Hsu, Chun-Hua Lin, Tai-Yue Li, Antonello Rosato

Publicado 2026-05-11

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Kuo-Chung Peng, Samuel Yen-Chi Chen, Jiun-Cheng Jiang, Chen-Yu Liu, En-Jui Kuo, Yun-Yuan Wang, Prayag Tiwari, Andrea Ceschini, Chi-Sheng Chen, Yu-Chao Hsu, Chun-Hua Lin, Tai-Yue Li, Antonello Rosato, Massimo Panella, Simon See, Saif Al-Kuwari, Kuan-Cheng Chen, Nan-Yow Chen, Hsi-Sheng Goan

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A Visão Geral: Uma Nova Maneira de Lembrar o Passado

Imagine que você está tentando prever o futuro com base em uma longa história que acabou de ler. A maioria dos modelos de computador (como a IA padrão) tenta lembrar da história mantendo uma "nota mental" (um estado oculto) que é atualizada a cada nova frase. Mas, à medida que a história fica mais longa, essas notas ficam bagunçadas, difíceis de atualizar e o computador se cansa tentando acompanhar tudo.

Este artigo apresenta um novo método chamado Gated QKAN-FWP. Em vez de manter uma nota mental bagunçada, este método altera as regras de como o computador lê a história à medida que ela avança. É como ter um livro onde a tinta nas páginas pode se reescrever instantaneamente com base na frase atual, em vez de tentar segurar um resumo na sua cabeça.

Os Três Ingredientes Chave

1. A Ideia de "Pesos Rápidos": Reescrever as Regras, Não a Memória

Pense em uma IA padrão como um aluno tirando notas em um caderno. Toda vez que ele ouve um fato novo, ele o escreve em uma nova linha. Para entender a história inteira, ele precisa ler todas as linhas anteriores.

Os autores usam uma técnica chamada Programação de Pesos Rápidos (FWP). Imagine que, em vez de um caderno, o aluno tenha um quadro branco mágico.

O Programador Lento: Este é o professor. Ele olha para a frase atual e diz: "Ok, para esta frase, vamos mudar a fórmula do quadro branco."
O Programador Rápido: Este é o próprio quadro branco. Ele atualiza instantaneamente suas próprias regras com base na instrução do professor.
O Resultado: O modelo não precisa lembrar do passado; as regras para entender o presente já contêm a memória do passado. É como se o quadro branco reescrevesse suas próprias instruções para se encaixar perfeitamente no contexto atual.

2. A Faísca "Inspirada em Quantum": O Truque do Único Qubit

Geralmente, quando as pessoas tentam usar ideias "quânticas" em IA, elas tentam construir uma máquina massiva e complexa com muitas partes emaranhadas (como uma orquestra gigante onde cada instrumento deve estar perfeitamente sincronizado). Isso é difícil de construir e ainda mais difícil de simular em computadores comuns.

Os autores adotam uma abordagem diferente. Eles usam Redes de Kolmogorov–Arnold Inspiradas em Quantum (QKAN).

A Analogia: Em vez de uma orquestra gigante, imagine um violonista solo incrivelmente versátil. Este violonista (um circuito de um único qubit) pode tocar qualquer melodia (função não linear) mudando como segura o arco (reenvio de dados).
Por que importa: Como eles usam apenas essa abordagem de "solista", o sistema é leve, fácil de simular em computadores comuns e surpreendentemente poderoso. Ele captura padrões complexos sem precisar de um computador quântico massivo e ruidoso.

3. A "Porta": O Botão de Volume para a Memória

Havia um problema com os modelos anteriores de "Pesos Rápidos": eles continuavam adicionando novas regras sobre as antigas para sempre. Eventualmente, o quadro branco se tornava um rabisco caótico de instruções conflitantes.

Os autores adicionaram uma Porta Escalar.

A Analogia: Imagine que o quadro branco tem um botão de volume (a porta).
- Se o botão estiver ligado (próximo de 1), o modelo diz: "Mantenha as regras antigas; elas ainda são boas."
- Se o botão estiver desligado (próximo de 0), o modelo diz: "Esqueça as regras antigas; vamos tentar as novas."
O Benefício: Isso impede que o modelo fique confuso com excesso de informações antigas. Permite que a IA decida exatamente quanto do passado manter e quanto esquecer, tornando o processo de aprendizado muito mais estável.

O Que Eles Realmente Fizeram? (Os Resultados)

A equipe testou este novo "Quadro Branco Mágico com Botão de Volume" em três tipos de desafios:

Quebra-Cabeças Matemáticos (Benchmarks de Séries Temporais): Eles pediram ao modelo para prever padrões matemáticos complexos (como pêndulos amortecidos e simulações de física quântica).
- Resultado: O novo modelo foi mais preciso e estável do que os métodos antigos, especialmente quando os padrões eram longos e complexos.
Jogos de Vídeo (Aprendizado por Reforço): Eles testaram o modelo em um jogo simples de labirinto (MiniGrid).
- Resultado: O modelo aprendeu a resolver o labirinto tão bem quanto modelos muito maiores e mais pesados, mas fez isso com 58% menos parâmetros (era muito menor e mais eficiente).
Prever o Sol (Previsão do Ciclo Solar): Este foi seu maior teste do mundo real. Eles tentaram prever o ciclo de manchas solares de 11 anos, que é notoriamente difícil porque o comportamento do Sol é caótico e muda ao longo de décadas.
- A Configuração: Eles alimentaram o modelo com 44 anos de dados (528 meses) para prever os próximos 11 anos (132 meses).
- O Confronto: Seu modelo minúsculo (12.500 parâmetros) derrotou modelos clássicos massivos (alguns com até 167.000 parâmetros).
- A Vitória: Ele previu o pico do ciclo solar (quando as manchas solares estão mais ativas) com mais precisão em termos de quando aconteceu e quão forte seria, apesar de ser muito menor.
O Teste "Quântico Real": Para provar que sua ideia "inspirada em quantum" funciona em hardware real, eles executaram o modelo em computadores quânticos reais da IonQ e da IBM.
- Resultado: Mesmo nessas máquinas quânticas ruidosas e em estágio inicial, as previsões do modelo foram quase idênticas à simulação perfeita em computador. Isso prova que seu método está pronto para a geração atual de hardware quântico.

Resumo

O artigo apresenta uma maneira inteligente de ensinar a IA a lembrar de longas sequências de eventos. Em vez de encher um banco de memória pesado, eles permitiram que a IA reescrevesse suas próprias regras sob a demanda usando um truque leve "inspirado em quantum". Eles adicionaram uma "porta" para controlar quanto da informação passada é mantida, prevenindo confusão.

O resultado é um modelo que é menor, mais rápido e mais preciso do que seus concorrentes maiores, capaz de prever eventos complexos do mundo real como ciclos solares, e pronto para rodar nos computadores quânticos experimentais de hoje.

Resumo Técnico: Gated QKAN-FWP: Aprendizado de Sequência Inspirado em Quântica Escalável

Declaração do Problema

Modelar dependências temporais de longo alcance permanece um desafio central no aprendizado de sequências. No contexto do Aprendizado de Máquina Quântico (QML), esse desafio é exacerbado pelas limitações do hardware Quântico de Escala Intermediária Ruidosa (NISQ). As Redes Neurais Recorrentes Quânticas (QRNNs) existentes e as variantes de Memória de Curto Prazo Quântica (QLSTM) exigem avaliações repetidas de circuitos e retropropagação através do tempo (BPTT) envolvendo estimativa de gradiente quântico dispendiosa. À medida que os comprimentos das sequências aumentam, o custo de treinamento torna-se proibitivo, e redes neurais quânticas profundas e altamente emaranhadas são difíceis de executar de forma confiável ou simular classicamente. Embora os Programadores de Pesos Rápidos Quânticos (QFWPs) ofereçam uma mudança de paradigma ao substituir a dinâmica do estado oculto pela dinâmica de parâmetros, as implementações existentes ainda dependem de arquiteturas de múltiplos qubits que são difíceis de escalar em dispositivos NISQ e caras para simular.

Metodologia

Os autores propõem o Gated QKAN-FWP, um framework que integra Redes de Kolmogorov–Arnold Inspiradas em Quântica (QKAN) ao paradigma de Programação de Pesos Rápidos (FWP). A arquitetura é projetada para contornar os gargalos de emaranhamento de múltiplos qubits, mantendo o poder expressivo.

Componentes Principais

Redes de Kolmogorov–Arnold Inspiradas em Quântica (QKAN):
- Em vez de funções de ativação fixas, a QKAN utiliza funções univariadas aprendíveis realizadas por Recarregamento de Dados para Ativação (DARUAN).
- O DARUAN emprega circuitos de recarregamento de dados de qubit único para gerar espectros de Fourier ricos, permitindo mapeamentos altamente não lineares com poucos parâmetros.
- Essa abordagem de qubit único garante compatibilidade com o hardware NISQ atual (onde as taxas de erro de qubit único são baixas) e permite simulação clássica eficiente.
Framework de Programação de Pesos Rápidos (FWP):
- O modelo substitui a evolução do estado oculto recorrente pela evolução dinâmica no espaço de parâmetros.
- Uma rede "lenta" de programação gera atualizações para um programador "rápido" em cada passo de tempo.
- Os parâmetros rápidos evoluem com base na entrada atual, evitando o cálculo explícito de gradiente quântico dentro do loop recorrente.
Regra de Atualização com Portão Escalar:
- Uma contribuição inovadora é a introdução de uma regra de atualização de peso rápido com portão escalar.
- Em cada passo de tempo $t$ , o programador lento gera uma atualização $\Delta W_t$ e um portão escalar $g_t \in [0, 1]$ .
- Os parâmetros rápidos evoluem como: $W_{t+1} = g_t W_t + (1 - g_t) \Delta W_t$ .
- Esse mecanismo interpola entre reter os parâmetros anteriores e adotar novas atualizações, estabilizando a evolução dos parâmetros.

Análise Teórica

O artigo fornece uma interpretação teórica da atualização com portão:

Núcleo de Memória Adaptativo: A recursão pode ser desdobrada para mostrar que os parâmetros atuais são uma agregação ponderada de todas as atualizações passadas, onde os pesos decaem com base nos portões subsequentes. Isso cria um núcleo temporal dependente da entrada.
Limitação Geométrica: A atualização com portão garante que os parâmetros rápidos permaneçam dentro do casco convexo da inicialização e das propostas históricas, prevenindo a acumulação aditiva ilimitada observada em variantes sem portão.
Caminhos de Gradiente Paralelizáveis: Ao contrário das RNNs gerais, que exigem BPTT sequencial através de uma cadeia de jacobianos, a recursão FWP com portão permite que a trajetória dos parâmetros seja resolvida via varredura de prefixo paralela. Isso reduz a profundidade do caminho do gradiente de $O(T)$ para $O(\log T)$ e garante que os gradientes sejam propagados via produtos escalares, em vez de multiplicações de matrizes densas, mitigando problemas de gradiente desaparecente/explosivo.

Contribuições Principais

Proposta de Framework: Introdução do Gated QKAN-FWP, um framework inspirado em quântica que combina módulos QKAN com programação de pesos rápidos para modelagem eficiente de sequências.
Mecanismo com Portão: Desenvolvimento de um mecanismo de peso rápido com portão escalar que equilibra adaptativamente a retenção de memória e as atualizações, apoiado por provas teóricas de limitação geométrica e recursão paralelizável.
Desempenho Empírico: Demonstração de forte desempenho na previsão de ciclos solares multietapa do mundo real, onde um modelo de 12,5 mil parâmetros supera as bases de referência recorrentes clássicas (LSTM, WaveNet-LSTM, MESN) com até 13 vezes mais parâmetros.
Validação NISQ: Implantação bem-sucedida do programador rápido treinado em hardware quântico real (IonQ Forte-1 e IBM ibm_aachen), recuperando a precisão de previsão dentro de $10^{-3}$ de Erro Quadrático Médio (MSE) relativo de um simulador sem ruído.

Resultados Experimentais

Benchmarks de Previsão de Séries Temporais

O modelo foi avaliado em conjuntos de dados sintéticos (SHM Amortecido, função de Bessel, NARMA5/10) e conjuntos de dados de dinâmica quântica (Controle Quântico Atrasado, Jaynes-Cummings).

Robustez: A variante GQKAN-QKANFWP (usando HQKAN para ambos os programadores lento e rápido) exibiu a maior robustez em tamanhos de janela de entrada variados ( $N=8$ a $64$).
Estabilidade: Variantes de QFWP sem portão mostraram degradação significativa de desempenho à medida que os tamanhos de janela aumentavam, particularmente em tarefas de NARMA e dinâmica quântica, enquanto variantes baseadas em HQKAN com portão mantiveram a estabilidade.

Previsão de Ciclo Solar do Mundo Real

O framework foi aplicado à previsão de ciclos solares usando 3.326 registros mensais de manchas solares (1749–2026).

Configuração: Uma janela de entrada de 528 meses (aproximadamente 4 ciclos) foi usada para prever um horizonte de 132 meses (1 ciclo).
Desempenho: O modelo GQKAN-QKANFWP (12.474 parâmetros) alcançou MSE escalado, Erro de Amplitude de Pico (PAE) e Erro de Tempo de Pico (PTE) menores do que:
- WaveNet-LSTM (167 mil params)
- LSTM-L (89 mil params)
- Rede de Estado de Eco Modificada (MESN, 132 mil params)
- RNN Vanilla (11,5 mil params)
Visualização: O modelo capturou com sucesso a estrutura macroscópica do ciclo e o tempo de pico, com seu envelope de previsão contendo a verdade fundamental ao longo das fases do ciclo.

Aprendizado por Reforço (MiniGrid)

Avaliado em ambientes MiniGrid-Empty (grades de 5x5 a 16x16) usando A3C.

Variantes com portão superaram consistentemente o QFWP sem portão, especialmente à medida que o tamanho da grade aumentava.
O GQKAN-QKANFWP alcançou recompensas competitivas na tarefa 16x16 com apenas 1.114 parâmetros, uma redução de ~58% em comparação com a base de referência clássica G-FWP (2.665 params) em desempenho correspondente.

Execução em Hardware NISQ

O programador rápido foi executado no IonQ Forte-1 (36 qubits) e no IBM ibm_aachen (156 qubits).
O programador lento e a lógica de portão foram executados classicamente; apenas o módulo DARUAN foi executado em QPUs.
Os resultados mostraram que as previsões convergiram para o simulador sem ruído dentro de ~0,1% de MSE relativo em 1.024 tiros, confirmando a compatibilidade NISQ do projeto de qubit único.

Significado e Alegações

O artigo posiciona o Gated QKAN-FWP como uma abordagem escalável, eficiente em parâmetros e compatível com NISQ para modelagem de sequências inspirada em quântica.

Escalabilidade: Ao depender exclusivamente de circuitos de qubit único (DARUAN) e evitar emaranhamento de múltiplos qubits, o framework contorna as restrições de hardware e os custos de simulação que afligem as QRNNs tradicionais.
Estabilidade: A regra de atualização com portão escalar fornece uma solução teórica e empírica para a instabilidade da evolução de parâmetros em previsão de longo horizonte, oferecendo limitação geométrica e caminhos de gradiente mais rasos.
Praticidade: A execução bem-sucedida em hardware quântico real demonstra que modelos inspirados em quântica podem ser implantados em dispositivos NISQ atuais para tarefas práticas como previsão de longo horizonte, uma capacidade anteriormente fora do alcance de modelos limitados pelas restrições NISQ.
Eficiência: O modelo alcança desempenho de última geração na previsão de ciclos solares com significativamente menos parâmetros do que as bases de referência recorrentes clássicas, destacando a eficiência de parâmetros da arquitetura QKAN.

Os autores concluem que, embora as arquiteturas KAN originais enfrentem desafios de otimização em cenários de escala ultra-grande, o design estrutural do Gated QKAN-FWP (processando sequências de forma autoregressiva em um espaço latente de dimensão reduzida) mitiga esses encargos, abrindo caminho para trabalhos futuros na otimização de dinâmicas e na extensão da execução de hardware físico além da inferência.