Mitigating Measurement-Induced Training Instability in Hybrid Quantum Neural Networks for Protein Classification

Resumo Técnico: Mitigação da Instabilidade de Treinamento Induzida por Medição em Redes Neurais Quânticas Híbridas para Classificação de Proteínas

Declaração do Problema
As Redes Neurais Quânticas Híbridas (QNNs) enfrentam um gargalo crítico e anteriormente não caracterizado em sua treinabilidade: a contração de logits induzida por medição. Em arquiteturas híbridas padrão, as saídas de circuitos quânticos variacionais (VQCs) são valores esperados de operadores de medição quântica. Para medições de Pauli padrão, essas saídas são intrinsecamente limitadas ao intervalo $[-1, 1]$.

Quando essas saídas limitadas são usadas diretamente como logits em uma função de perda de entropia cruzada baseada em softmax para classificação multiclasse, ocorre um desajuste estrutural. A função de perda assume logits ilimitados que podem ser redimensionados dinamicamente durante o treinamento. No entanto, quando os logits estão confinados a uma faixa estreita (por exemplo, $[-1, 1]$), a perda opera em um regime de baixa sensibilidade às diferenças de logits. Consequentemente, os gradientes dos parâmetros são suprimidos, levando a uma otimização instável, colapso do treinamento através de inicializações aleatórias e incapacidade de atingir alta confiança de classificação, mesmo que o circuito quântico seja expressivo. Este problema é distinto dos "platôs estéreis" (barren plateaus) causados pela profundidade do circuito ou pelo emaranhamento; ele surge especificamente da interface de processamento pós-medição.

Metodologia
Para abordar isso, os autores introduzem a Temperatura de Medição Quântica (QMT), um parâmetro escalar aprendível aplicado na interface entre as medições quânticas e a função de perda clássica.

1. Mecanismo: Dado um vetor de logits de medição $z = (z_1, \dots, z_K)$, a QMT os redimensiona como $\tilde{z}_k = z_k / T$, onde $T > 0$ é um parâmetro aprendível otimizado conjuntamente com pesos clássicos e parâmetros do circuito quântico.
2. Arquitetura: O modelo híbrido proposto consiste em um frontend convolucional clássico para extração de características, seguido por um classificador quântico variacional usando codificação por ângulo com re-upload de dados. Os circuitos quânticos produzem valores esperados que são então escalonados por $T$ antes de entrarem na perda de softmax e entropia cruzada.
3. Base Teórica: Os autores fornecem uma caracterização analítica mostrando que a QMT atua como um operador de descompressão geométrica.
   • Faixa de Logit: Ela expande a faixa efetiva de logits, permitindo que o modelo atinja probabilidades de confiança mais altas e valores de perda menores do que o limite $[-1, 1]$ permite.
   • Escalonamento de Gradiente: A análise teórica demonstra que a QMT escala a magnitude do gradiente por um fator de $1/T$ e a variância do gradiente por $1/T^2$. Isso restaura a relação sinal-ruído nas atualizações de parâmetros, prevenindo a estagnação do treinamento.
   • Limitação: Diferente do escalonamento ilimitado, a QMT fornece um mecanismo de amplificação controlado, com limites uniformes nos gradientes de parâmetros derivados da regra de deslocamento de parâmetro (parameter shift rule).

Principais Contribuições

• Identificação de um Novo Modo de Falha: O artigo identifica e formaliza a "contração de logit induzida por medição" como uma fonte distinta de degradação de treinabilidade em QNNs híbridas, separada dos platôs estéreis de nível de circuito.
• Proposta da QMT: Introduz a QMT como um método agnóstico à arquitetura para restaurar a faixa dinâmica efetiva de logits sem modificar o ansatz quântico, a profundidade do circuito ou os operadores de medição.
• Caracterização Analítica: O trabalho fornece provas matemáticas sobre como o escalonamento de temperatura afeta a confiança alcançável, a perda mínima, a magnitude do gradiente e a variância do gradiente.
• Validação Experimental: O método é validado em dois domínios distintos:
  • Classificação de Proteínas: Usando imagens de microscopia de fluorescência de estruturas proteicas (GABA_A, GFP, Otoferlin e fundo) capturadas via microscopia ONE.
  • Benchmarks Padrão: Usando as seis primeiras classes de Fashion MNIST e Overhead MNIST.

Resultos
Experimentos conduzidos em simulações de estado vetorial (PennyLane) através de várias arquiteturas (variando contagem de qubits, camadas quânticas e filtros convolucionais) demonstram:

• Expansão de Logit: A QMT expande com sucesso a faixa efetiva de logits de QNNs híbridas, enquanto modelos com $T=1$ fixo permanecem confinados ao limite $[-1, 1]$.
• Perda e Acurácia: QNNs híbridas com QMT aprendida convergem mais rápido, atingem perdas de treinamento significativamente menores e alcançam maior acurácia de teste comparado aos equivalentes de $T=1$ fixo. Por exemplo, no conjunto de dados de proteínas com configurações específicas, a QMT melhorou a acurácia de teste em aproximadamente 10,5% e reduziu o desvio padrão entre as tentativas de >5% para <1%.
• Estabilidade: A QMT elimina a variabilidade entre tentativas e os ocasionais colapsos de treinamento observados em modelos de temperatura fixa, proporcionando desempenho consistente através de inicializações aleatórias.
• Força do Gradiente: O método restaura a variância do gradiente (melhorando-a em mais de 10x em alguns casos) e aumenta as normas médias dos gradientes, facilitando um aprendizado mais confiável.
• Robustez: Os benefícios da QMT persistem através de diferentes otimizadores (Adam, SGD, RMSprop), diferentes estruturas de emaranhamento (CZ vs. CNOT) e variando a complexidade dos conjuntos de dados. Além disso, ela complementa outras técnicas de estabilização, como o clipping de gradiente.

Significância e Alegações
Os autores alegam que este trabalho aborda um desajuste fundamental no design de sistemas híbridos quântico-clássicos. Eles argumentam que o progresso das QNNs híbridas depende não apenas de melhorias de hardware ou circuitos mais profundos, mas do design principista da interface de medição quântica–perda clássica.

Ao tratar as saídas de medição como elementos de primeira classe no cenário de otimização, a QMT permite o treinamento estável e confiável de QNNs híbridas para aplicações práticas, como a classificação de proteínas por microscopia de fluorescência, sem aumentar os requisitos de recursos quânticos. O artigo postula que problemas de otimização semelhantes provavelmente existem em outras tarefas (por exemplo, regressão) onde saídas quânticas limitadas interagem com funções de perda sensíveis à escala, sugerindo que o escalonamento explícito de saída ou interfaces de medição conscientes da perda são necessários para implantar QNNs híbridas em problemas do mundo real e intensivos em dados.