Resumo Técnico: Aquisição Ativa de Kernel Quântico para Regressão de Processos Gaussianos

Declaração do Problema

Métodos de kernel quântico oferecem acesso a espaços de características conjecturados como intratáveis classicamente, mas sua implementação prática em hardware de curto prazo é limitada por um "orçamento de disparos" (shot budget) finito. Na estimativa de kernel quântico, cada entrada $K_{ij}$ da matriz de Gram é uma expectativa de Bernoulli estimada via um número finito de execuções de circuitos (disparos/shots). O ruído de estimativa resultante escala como $\text{Var}(\hat{K}_{ij}) = K_{ij}(1-K_{ij})/s_{ij}$.

Embora trabalhos recentes tenham demonstrado que a alocação não uniforme de disparos baseada na sensibilidade da tarefa melhora o desempenho em classificação de kernel quântico (ex: KRR, SVM), permanece incerto se essa abordagem se traduz para a regressão de Processos Gaussianos (GP). A regressão GP apresenta um desafio distinto: ao contrário da classificação, que depende do sinal do preditor (robusta à escala), a regressão GP depende de todo o espectro da matriz inversa do kernel $(K + \sigma_n^2 I)^{-1}$ para médias preditivas, variâncias e verossimilhanças marginais. Consequentemente, o ruído do kernel é amplificado por um fator que escala com o número de condição $1/\sigma_n^4$. Uma alocação ingênua baseada em sensibilidade, que funciona para classificação, corre o risco de falha catastrófica na regressão GP se a estimativa inicial do kernel ("warm-up") for muito ruidosa para identificar de forma confiável os pares sensíveis.

Metodologia: AQKA-GP

Os autores propõem o AQKA-GP (Aquisição Ativa de Kernel Quântico para Regressão de Processos Gaussianos), uma extensão do framework de alocação de variância mínima do tipo Neyman para a regressão de processos gaussianos. O método opera em três estágios:

1. Cobertura de Piso Elevado (High-Floor Coverage): Para evitar a concentração catastrófica em estimativas de sensibilidade ruidosas, o algoritmo reserva uma fração $\rho$ (definida como 0,5) do orçamento total $B$ para amostragem uniforme em todos os pares de kernel. Isso garante que cada entrada receba um número mínimo de disparos, evitando que a matriz de Gram contenha entradas não observadas que assumiriam um valor padrão (0,5), o que desestabilizaria a inversão da matriz.
2. Alocação Ponderada por Sensibilidade: O orçamento restante é alocado não uniformemente com base em sensibilidades de nível de par derivadas. Os autores derivam três sensibilidades de forma fechada, cada uma correspondendo a um objetivo descendente (downstream) diferente:
   • Acoplamento Preditivo ($|\alpha_i \alpha_j|$): Derivado para minimizar o RMSE de teste. Esta é a especialização de rank-1 do peso exato de Neyman sob o objetivo de MSE preditivo, onde $\alpha = (K + \sigma_n^2 I)^{-1}y$.
   • Gradiente de Verossimilhança Marginal: Derivado para aprendizado de hiperparâmetros. A sensibilidade é a derivada parcial exata da log-verossimilhança negativa em relação a $K_{ij}$, dada por $|\frac{1}{2}[A^{-1}]_{ij} - \frac{1}{2}\alpha_i \alpha_j|$.
   • Resíduo Leave-One-Out (LOO): Derivado para calibração preditiva. A sensibilidade enfatiza pares onde um endpoint possui um grande resíduo LOO e está fortemente acoplado a vizinhos via $A^{-1}$.
3. Jitter de Tempo de Inferência: Para lidar com o mau condicionamento do posterior quando $\hat{K}$ contém ruído de disparo, o método infla o ruído de observação $\sigma_n^2$ por um termo de jitter calibrado $j \propto \sqrt{n} \cdot \sqrt{\hat{K}(1-\hat{K})/s}$. Esta escala é motivada por limites de concentração de matrizes do tipo Wigner para garantir que o posterior permaneça estável.

O framework também é estendido para GPs de Pontos-Indutores Esparsos (VFE, SVGP, FITC) e GPs Profundos (Deep GPs), onde as sensibilidades são adaptadas às estruturas específicas de acoplamento de baixo rank dessas aproximações.

Principais Contribuições

1. Derivação de Sensibilidades Específicas de GP: O artigo fornece três sensibilidades de nível de par em forma fechada para regressão de GP, indo além dos gradientes específicos de classificação usados em trabalhos anteriores. Essas sensibilidades capturam como a incerteza do kernel se propaga para as médias, variâncias e verossimilhanças preditivas.
2. Identificação do Modo de Falha de "Piso Elevado": Os autores identificam que a regressão GP é unicamente sensível ao ruído de "aquecimento" na estimativa de sensibilidade. Eles provam que um piso de cobertura uniforme elevado ($\rho \approx 0,5$) é necessário para restaurar a robustez, contrastando com os pisos mais baixos ($\rho \le 0,2$) suficientes para classificação.
3. Justificativa Teórica: O artigo estabelece que as sensibilidades propostas não são substitutos arbitrários, mas sim derivadas exatas ou especializações de rank-1 dos pesos exatos de Neyman para objetivos específicos de erro de estimativa (MSE preditivo, verossimilhança marginal, LOO).
4. Validação Empírica: Experimentos extensos demonstram que o alocador entrega melhorias consistentes no regime de orçamento moderado.

Resultados Experimentais

Os autores avaliaram o AQKA-GP em quatro benchmarks de regressão UCI e dois cenários sintéticos (prior GP denso e dados esparsos plantados) com $n_{tr}=200$.

• Ganhos de Desempenho: No regime de orçamento moderado (50–250 disparos por par), o AQKA-GP alcança uma redução de 10–21% no RMSE de teste em comparação com a alocação uniforme. Os ganhos são mais pronunciados em dados densos, onde o decaimento espectral cria heterogeneidade preditiva mesmo com kernels homogêneos.
• Robustez: A estratégia de piso elevado ($\rho=0,5$) elimina com sucesso a falha catastrófica observada em orçamentos baixos quando $\rho$ é pequeno.
• Tarefas Descendentes: Os ganhos transferem-se para:
  • Quadratura Bayesiana: Redução de 37% no erro de integral.
  • Regressão Heterocedástica: Melhoria de 19–29% no RMSE.
  • Aprendizado de Hiperparâmetros: Redução de 65% no gap para a largura de banda real do kernel.
  • Cokrigagem Multi-saída: Melhoria de 4%.
• Kernels Quânticos:
  • Em kernels quânticos genuínos ZZ e Pauli-Z com dados de natureza quântica, o método produz melhorias de 13–15% no RMSE em baixos orçamentos ($p < 0,05$).
  • Em features UCI incorporadas em kernels ZZ, o ganho desaparece. Os autores atribuem isso ao "regime de concentração exponencial", onde os valores do kernel se agrupam em torno de uma média fixa, eliminando a heterogeneidade necessária para que a alocação de disparos a explore.
• GPs Esparsos: O método se estende a GPs VFE esparsos, fechando o gap para o piso oracle em cerca de 40%, embora os ganhos absolutos sejam menores devido ao efeito de suavização da aproximação esparsa.

Significância e Alegações

O artigo afirma que o AQKA-GP expande com sucesso os princípios da aquisição ativa de kernel quântico da classificação para o cenário mais exigente de regressão. Sua significância reside em:

• Abordar a Amplificação do Inverso: Ele considera explicitamente o fato de que a regressão GP amplifica o ruído do kernel de forma mais severa do que a classificação, devido à dependência de todo o espectro da matriz inversa.
• Fornecer um Protocolo Robusto: Estabelece que um piso de cobertura uniforme elevado é uma condição necessária para a estabilidade da regressão de GP sob ruído de disparo, um requisito não presente na classificação.
• Otimização Específica da Tarefa: Demonstra que diferentes tarefas descendentes (predição vs. estimativa de verossimilhança) requerem métricas de sensibilidade distintas e fundamentadas teoricamente.

Os autores mantêm-se modestos quanto ao escopo desses ganhos, observando que o método é mais eficaz em regimes onde o kernel exibe heterogeneidade suficiente (ou seja, fora do regime de concentração exponencial). Eles afirmam explicitamente que o método não melhora magicamente tarefas onde a combinação de mapeamento de características e dados subjacentes carece da estrutura necessária (como visto no estudo UCI-ZZ) e que o constante de jitter específico é calibrado empiricamente em vez de derivado teoricamente.