Image classification via a quantum-inspired strategy involving a mixture of experts

Resumo Técnico: Classificação de Imagens via uma Mistura de Especialistas de Inspiração Quântica

Definição do Problema
O reconhecimento de padrões no processamento de imagens físicas frequentemente exige a extração de características relevantes de conjuntos de dados massivos onde o armazenamento e o tempo de processamento são limitados. As Redes Neurais Convolucionais (CNNs) padrão abordam isso através de difusão baseada em espalhamento e agrupamento por blocos para reduzir a amostragem dos dados. No entanto, esses mecanismos clássicos são inerentemente perdedores; eles degradam detalhes estruturais finos para reduzir a complexidade computacional. Embora os algoritmos quânticos ofereçam potenciais ganhos de eficiência, vantagens significativas geralmente requerem entradas de dados genuinamente quânticas. Este trabalho aborda o desafio de melhorar a eficiência da extração de características e da classificação para conjuntos de dados de imagens padrão, propondo um framework híbrido clássico-quântico que minimiza a perda de informação durante o processo de redução de amostragem.

Metodologia
Os autores propõem um framework de Mistura de Especialistas Quânticos (QMoE), implementado como um sistema híbrido onde sub-rotinas de inspiração quântica substituem componentes específicos de uma CNN padrão, seguido por uma rede neural totalmente conectada clássica (FCL) para a classificação final. A metodologia consiste em cinco estágios principais:

1. Codificação de Estado:

   • As imagens de entrada (MNIST e Fashion-MNIST, originalmente 28×28) são preenchidas (padding) para 32×32 e limiares para valores binários ($c_{x,y} = \pm 1$).
   • As imagens são incorporadas em estados quânticos de 10 qubits usando codificação de amplitude: $|\psi\rangle = \frac{1}{32} \sum c_{x,y} |x, y\rangle$. Isso reduz o requisito de recursos espaciais exponencialmente, permitindo que operações subsequentes atuem sobre o estado codificado em vez de pixels brutos.

2. Espalhamento Convolucional (Unitário vs. Difusão):

   • Linha de Base Clássica: Utiliza um operador Laplaciano discreto para difusão iterativa: $X^{t+1}_{i,j} = (1-\alpha)X^t_{i,j} + \frac{\alpha}{4}\sum X^t_{vizinhos}$. Este é um processo com perda de informação.
   • Estratégia Quântica: Substitui a difusão por espalhamento unitário não-perdedor. A grade da imagem é dividida em subconjuntos pares e ímpares (padrão de tabuleiro de xadrez). Operadores unitários locais ($U_o, U_e$) misturam amplitudes nos cantos de quadrados elementares usando blocos Hamiltonianos derivados de matrizes de Pauli. A mistura é controlada por um parâmetro $s = \sin \theta$, que é otimizado durante o treinamento.

3. Mistura de Especialistas (MoE):

   • Múltiplos "especialistas" são definidos por valores de parâmetros distintos ($\theta_i$) usados no espalhamento unitário.
   • Estratégia Independente: Cada especialista processa a imagem, e as previsões são combinadas via voto majoritário.
   • Estratégia Conjunta: As características extraídas por todos os especialistas são concatenadas e processadas conjuntamente pelo classificador. O artigo enfatiza esta abordagem conjunta.

4. Agrupamento por Blocos (Códigos Estabilizadores):

   • Linha de Base Clássica: Reduz a resolução da imagem (32×32 $\to$ 16×16 $\to$ 8×8 $\to$ 4×4) por meio de média ponderada de janelas de 3×3.
   • Estratégia Quântica: Utiliza o código estabilizador perfeito não-degenerado [[5,1,3]]. Como as coordenadas dos pixels são codificadas em 5 qubits por eixo, o código extrai síndromes (valores de expectativa de geradores comutativos) para produzir 16 características distintas por eixo. Isso substitui a redução de amostragem irreversível por uma extração de síndrome determinística que preserva informações estruturais específicas.

5. Classificação:

   • As características extraídas (16 características por especialista por camada) são alimentadas em uma rede neural totalmente conectada padrão (FCL) com uma arquitetura de funil (512 $\to$ 256 $\to$ 128 $\to$ 10).
   • O sistema é treinado usando o otimizador Adam com CrossEntropyLoss (incluindo suavização de rótulos) em estações de trabalho com GPU usando PyTorch.

Principais Contribuições

• Framework Híbrido: O artigo introduz uma arquitetura específica onde a difusção clássica é substituída pela convolução unitária e o agrupamento clássico é substituído pela extração de síndrome de código estabilizador quântico.
• Mistura de Especialistas: Demonstra que um processo de decisão conjunta entre múltiplos especialistas (cada um usando diferentes parâmetros de espalhamento) supera significativamente tanto o voto de especialistas independentes quanto a linha de base de especialista único clássica.
• Extração Eficiente de Características: Ao aproveitar a codificação de amplitude e códigos estabilizadores, o método reduz a dimensionalidade da entrada de 784 pixels para 16 características (ou $16 \times N_{exp} \times N_{lyr}$ no caso de MoE) enquanto retém mais informações relevantes do que a redução de amostragem clássica perdedora.
• Implementação Prática: O algoritmo é implementado inteiramente em hardware GPU clássico usando uma abordagem de "inspiração quântica" (operações tensoriais simulando estados quânticos), tornando-o imediatamente implantável sem a necessidade de hardware quântico real.

Resultos
O framework foi testado contra linhas de base de difusão clássica nos conjuntos de dados MNIST e Fashion-MNIST:

• Conjunto de Dados MNIST:
  • A linha de base clássica (óptimo $\alpha=1.5$) alcançou 95,02% de acurácia de teste.
  • A estratégia de Especialista Conjunto Quântico (16 especialistas, 16 camadas) alcançou 97,63% de acurácia de teste.
  • Isso representa uma redução na taxa de falha de aproximadamente um fator de dois em comparação com o método clássico.
• Conjunto de Dados Fashion-MNIST:
  • Devido à maior ambiguidade de forma, a linha de base clássica atingiu o pico de 76,80%.
  • A estratégia de Especialista Conjunto Quântico (18 especialistas, 16 camadas) alcançou 86,20%.
  • Novamente, a taxa de falha foi reduzida em cerca de um fator de dois.
• Sobrecarga Computacional: O tempo por época do modelo de inspiração quântica de especialista conjunto mostrou apenas um aumento moderado em relação à linha de base clássica, tornando a abordagem computacionalmente prática em estações de trabalho com GPU atuais.

Significância e Alegações
O artigo afirma que a estratégia de inspiração quântica proposta oferece uma vantagem clara em tarefas de classificação de imagens, particularmente para conjuntos de dados com características estruturais complexas como o Fashion-MNIST. A principal significância reside na demonstração de que:

1. A convolução unitária retém mais informações da imagem do que a difusão clássica perdedora.
2. A extração de síndrome baseada em código estabilizador fornece um método robusto para redução de características que supera o agrupamento (pooling) padrão.
3. A análise conjunta de especialistas extrai mais características relevantes do que a análise independente, validando a abordagem de "Mistura de Especialistas" dentro deste contexto de inspiração quântica.

Os autores concluem que, embora a implementação atual seja clássica (simulada), o framework é projetado para ser executável em um processador quântico (conforme detalhado no Apêndice), sugerindo um caminho viável para processadores híbridos clássico-quânticos para futuras tarefas de aprendizado de máquina. Eles observam modestamente que a estratégia é uma alternativa prática aos esquemas clássicos existentes com sobrecarga moderada, em vez de um substituto para todos os métodos clássicos.