An End-to-End Hybrid Quantum--Classical Sampling Workflow for Discrete Markov Random Fields: A Reproducible Case Study

Resumo Técnico: Um Fluxo de Trabalho de Amostragem Híbrido Quântico-Clássico de Ponta a Ponta para Campos de Markov Aleatórios Discretos

Definição do Problema
A amostragem de Campos de Markov Aleatórios (MRFs) discretos é um desafio fundamental na inferência probabilística, visão computacional e física estatística. A dificuldade central reside em extrair amostras da distribuição conjunta $P_\theta(x)$, o que requer a normalização por uma função de partição $Z(\theta)$ que soma sobre $2^n$ configurações. Embora os métodos clássicos de Cadeia de Markov Monte Carlo (MCMC) sejam o padrão, eles frequentemente sofrem de mistura lenta e alta autocorrelação em grafos com ciclos (loops). Por outro lado, a inferência variacional e a propagação de crenças enfrentam limites de precisão ou convergência. Este artigo investiga se a amostragem por codificação de amplitude quântica oferece uma vantagem prática sobre os métodos clássicos, especificamente em um regime onde a distribuição completa pode ser pré-computada classicamente ($O(2^n)$), o que impede ganhos de velocidade exponenciais quânticos, mas permite uma comparação rigorosa da eficiência e independência da amostragem.

Metodologia
O estudo emprega uma abordagem de arquitetura dupla para abordar diferentes escalas de problema ($n$):

1. Codificação de Amplitude (Pequeno $n$): Para $n \in \{8, 10, 12\}$, os autores constroem um pipeline onde a diagonal do Hamiltoniano $H_\theta$ é computada classicamente em tempo $O(2^n)$. As probabilidades alvo são normalizadas e as amplitudes $\alpha_x = \sqrt{P_\theta(x)}$ são preparadas usando a primitiva StatePreparation do Qiskit. Isso cria um estado quântico $|\psi\rangle = \sum_x \sqrt{P_\theta(x)}|x\rangle$. Medições na base computacional produzem amostras independentes e identicamente distribuídas (i.i.d.). Esta abordagem sacrifica o potencial de aceleração exponencial do Modelo Generativo de Circuitos Quânticos (QCGM) completo em favor de uma verificação limpa e auditável do processo de amostragem.
2. Circuitos Quânticos Variacionais (VQC) (Maior $n$): Para $n$ maiores, onde a enumeração total é inviável, os autores treinam ansätze eficientes de hardware. Estes circuitos consistem em $d$ camadas de rotações $R_Y$ de um único qubit intercaladas com portas CNOT de emaranhamento. Três estratégias de emaranhamento foram testadas: linear (qubits adjacentes), sensível a cliques (correspondendo à topologia do grafo do MRF) e total (todos para todos). Os circuitos são treinados para minimizar a divergência de Kullback–Leibler (KL) entre a distribuição induzida e a $P_\theta$ alvo.
3. Baselines Clássicas: Os métodos quânticos são comparados contra quatro amostradores clássicos:
   • Gibbs de sítio único (varredura aleatória).
   • Gibbs de bloco (atualizando cliques máximos).
   • Gibbs de bloco ajustado (membro de bloco adaptado).
   • Temperamento Paralelo (PT) com 8 réplicas.
   • Inversa-CDF Exata: Uma baseline clássica que utiliza a distribuição pré-computada para extrair amostras i.i.d., servindo como a comparação "maçã com maçã" para o codificador de amplitude uma vez que os custos de pré-processamento são amortizados.

Principais Contribuições
O artigo não reivindica um ganho de velocidade quântico. Em vez disso, suas contribuições são caracterizadas como um estudo de benchmarking rigoroso e de resultados negativos:

1. Caracterização do Gap de ESS: Uma quantificação do gap do Tamanho de Amostra Efetivo (ESS) entre a amostragem i.i.d. codificada por amplitude e quatro baselines de MCMC clássicas através de 60 instâncias (cinco famílias de grafos).
2. Amortização de Tempo de Execução (Wall-Clock): Uma comparação justa de tempo de execução que inclui explicitamente o custo de pré-processamento clássico $O(2^n)$ exigido pelo codificador de amplitude quântico, comparando-o com a amostragem de Inversa-CDF exata.
3. Teto de Escalonamento Clássico: Um estudo de escalonamento de múltiplas tentativas de Estados de Produto de Matriz (MPS) até $n=40$, estabelecendo um teto concreto de fidelidade clássica para futuros abordagens variacionais.
4. Reprodutibilidade: O lançamento de código de código aberto e artefatos executáveis que regeneram todas as tabelas e figuras a partir de arquivos de dados JSON commitados.

Resultados

• Razões de ESS: Através de 60 instâncias, a razão entre o ESS Quântico e o ESS Clássico mostrou uma hierarquia clara. O amostrador quântico superou o Gibbs de Sítio Único por um fator médio de 16,35, o Gibbs de Bloco por 7,29, o Gibbs de Bloco Ajustado por 1,82 e o Temperamento Paralelo por 1,79. Isso indica que, embora a amostragem quântica retenha uma vantagem estrutural (saída i.i.d., $\tau \approx 1$), os amostradores MCMC clássicos modernos (especificamente o Temperamento Paralelo) reduzem substancialmente esse gap.
• Desempenho de Tempo de Execução (Wall-Clock): Quando o custo de pré-processamento $O(2^n)$ é amortizado, o amostrador Inversa-CDF Exata atinge uma taxa média de 17.683.597 ESS/s, comparado a 487.706 ESS/s para o amostrador quântico. Isso representa uma vantagem de 36× em taxas médias e uma vantagem de 153× em razões por instância, confirmando que não há vantagem de tempo de execução para o fluxo de trabalho quântico neste regime.
• VQC vs. MPS (Resultado Negativo): VQCs de hardware eficientes e rasa (profundidade 3) tiveram desempenho significativamente inferior ao MPS de orçamento correspondente em todos os tamanhos testados ($n=8, 10, 12$). As fidelidades para VQCs foram de 0,306, 0,210 e 0,165, comparadas a 0,990, 0,958 e 0,878 para MPS.
• VQC vs. Campo Médio (Mean-Field): Em $n=8$ e $n=10$, a aproximação de Campo Médio alcançou uma fidelidade de distribuição global maior do que o VQC, embora o VQC tenha superado os métodos clássicos em erros de marginais de um único elemento (singleton).
• Escalonamento de MPS: Em $n=40$, um MPS com dimensão de ligação $\chi=32$ alcançou uma fidelidade de 0,721 ± 0,059, estabelecendo um benchmark para futuras abordagens quânticas.
• Estratégias de Emaranhamento: O emaranhamento sensível a cliques não proporcionou nenhuma vantagem mensurável de fidelidade sobre o emaranhamento linear nas escalas testadas.

Significância e Alegações
O artigo afirma explicitamente que não reivindica vantagem quântica. Sua significância reside em:

1. Esclarecimento da Narrativa de "Vantagem Quântica": Demonstra que a aparente vantagem da amostragem quântica em MRFs é altamente sensível à escolha da baseline clássica. Enquanto a amostragem quântica oferece independência estrutural, o MCMC clássico otimizado (como o Temperamento Paralelo) quase elimina o gap de ESS, e a amostragem clássica exata (Inversa-CDF) domina em tempo de execução quando o pré-processamento é contabilizado.
2. Definição do Regime de Validade: O codificador de amplitude é uma ferramenta defensável apenas quando amostras quânticas i.i.d. ou preparação de estado coerente subsequente (ex: para estimativa de amplitude) são estritamente necessárias, ou quando a distribuição completa não pode ser enumerada, mas uma baseline clássica não está disponível.
3. Resultados Negativos para VQCs Rasos: O estudo fornece evidências de que ansätze de hardware eficientes e rasos são insuficientes para capturar a estrutura global das distribuições de MRF com picos, comparados a métodos de redes de tensores como MPS.
4. Benchmarking: Estabelece um framework reprodutível e tetos numéricos específicos (ex: MPS em $n=40$) que futuras abordagens quânticas devem exceder para demonstrar utilidade.

Os autores concluem que os caminhos mais plausíveis para uma futura vantagem quântica residem na simulação de Hamiltoniano QCGM completa, ansätze variacionais mais profundos ou conscientes do problema, ou benchmarks de hardware ruidoso em escala, todos os quais são identificados como trabalhos futuros.