⚛️ quantum physics

Certification cost of quantum models: measurement correlation, not parameter count

Este artigo demonstra que o custo de medição para certificar modelos quânticos variacionais escala com a estrutura de correlação do ruído de leitura em vez da contagem de parâmetros, revelando que estimativas de custo cúbico provenientes de simulações pequenas frequentemente superestimam os requisitos de hardware em larga escala devido a efeitos de tamanho finito e restrições de conectividade.

Autores originais: Pavel Sulimov, Claude Lehmann

Publicado 2026-09-15

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Pavel Sulimov, Claude Lehmann

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

Na corrida para construir computadores quânticos úteis, os cientistas frequentemente focam em quantos botões uma máquina tem para girar. Esses botões, chamados parâmetros, são as configurações que os pesquisadores ajustam para ensinar um sistema quântico a resolver problemas. Uma suposição comum tem sido que, quanto mais botões uma máquina possui, mais difícil é provar que a máquina está funcionando corretamente. Especificamente, muitos especialistas acreditavam que o número de vezes que você deve executar um circuito quântico para verificar sua precisão cresce cubicamente com o número de parâmetros. Em termos simples, se você dobrasse a complexidade, o custo para verificar o trabalho pensava-se que saltaria por um fator de oito. Essa crença moldou a forma como os pesquisadores orçam seu tempo e recursos, levando-os frequentemente a assumir que máquinas quânticas de grande escala seriam proibitivamente caras de certificar.

No entanto, um novo estudo de pesquisadores da Universidade de Ciências Aplicadas de Zurique e da Universidade de Zurique desafia essa visão de longa data. Eles se propuseram a medir exatamente quanto custa para verificar a geometria de um modelo quântico treinado, não por meio de suposições, mas contando os disparos reais, ou medições, necessários. O trabalho deles revela que o custo não é ditado pelo número de parâmetros isoladamente, mas por como os sinais internos e o ruído da máquina se comportam à medida que ela cresce. Ao realizar milhares de simulações e testar hardware real, eles descobriram que o custo "cúbico" é frequentemente uma ilusão criada por experimentos de pequena escala. Para muitos tipos de circuitos quânticos, o custo para verificar a precisão cresce muito mais lentamente do que se pensava anteriormente, mudando o cenário econômico para o que é possível em futuras máquinas.

Os pesquisadores começaram fazendo uma pergunta fundamental: quanto custa realmente provar que um modelo quântico está fazendo o que afirma? No mundo quântico, você não pode simplesmente olhar para as configurações de uma máquina para saber se ela está correta. Como os sistemas quânticos são inerentemente probabilísticos, você deve executar o mesmo cálculo muitas vezes e contar os resultados para obter uma média confiável. Esse processo é chamado de determinar um "orçamento de disparos" (shot budget). Se o orçamento for muito pequeno, o ruído abafa o sinal, e as configurações do modelo tornam-se inúteis. A equipe derivou uma regra precisa para esse orçamento, mostrando que o número de disparos necessários depende de duas coisas mensuráveis: a variância da saída (o quanto os resultados oscilam) e a força do gradiente (o quão claramente as configurações da máquina influenciam o resultado). Eles descobriram que, se você medir essas duas quantidades diretamente, pode calcular o custo exato para verificar o modelo, independentemente de quantos parâmetros o modelo possua.

Quando aplicaram essa regra a diferentes tipos de circuitos quânticos, um padrão surpreendente emergiu. O estudo testou duas famílias principais de circuitos: um onde as conexões entre os qubits são fixas e não crescem com o tamanho da máquina, e outro onde as conexões se espalham à medida que a máquina aumenta de tamanho. Para os circuitos com conexões fixas, o custo para verificar o modelo cresceu quadraticamente com o número de parâmetros. De fato, para uma máquina de 256 qubits deste tipo, o custo era aproximadamente proporcional ao quadrado do número de parâmetros, não ao cubo desse número. Isso significa que o amplamente citado "custo cúbico" não é uma lei universal da física, mas sim um efeito temporário visto apenas em sistemas pequenos, onde o tamanho da máquina é comparável ao alcance sobre o qual a informação pode viajar.

Os pesquisadores explicaram essa mudança usando o conceito de um "cone de luz", que descreve o quão longe uma mudança em uma parte da máquina pode afetar o resto. Em máquinas pequenas, todo o sistema está dentro deste cone de luz, de modo que cada parte da máquina sente cada mudança, levando a um custo alto que escala cubicamente. Mas, à medida que a máquina cresce, o cone de luz permanece do mesmo tamanho enquanto a máquina aumenta. Eventualmente, a máquina ultrapassa o cone de luz, e o custo para verificá-la cai para uma taxa quadrática muito menor. Essa distinção é crucial porque significa que uma estimativa de custo baseada em uma pequena simulação superestimará vastamente a despesa de operar uma máquina grande. Por exemplo, em uma família de produtos de circuitos certificados até 256 qubits, os pesquisadores descobriram que o expoente de custo era de aproximadamente 1,97, muito abaixo do 3 previsto.

Para garantir que suas descobertas não fossem apenas um artefato de simulação, a equipe testou suas teorias em hardware quântico real da IBM. Eles utilizaram uma técnica chamada "circuitos espelhados" (mirror circuits), onde executam um circuito e, imediatamente depois, executam o seu inverso exato. Em um mundo perfeito, isso deveria retornar o sistema ao seu estado inicial com 100% de certeza. Ao medir o quanto as máquinas reais se desviavam desse retorno perfeito, eles puderam quantificar o "multiplicador de hardware", ou o custo extra imposto pelo ruído do mundo real. Em dois dispositivos diferentes da IBM, descobriram que o hardware real exigia cerca de duas vezes mais disparos do que a teoria ideal previa. Esse multiplicador foi consistente entre diferentes tamanhos de máquina, confirmando que, embora as máquinas reais sejam mais ruidosas do que as simulações, as leis fundamentais de escala que eles descobriram ainda se mantêm.

O estudo também explorou se haveria maneiras mais inteligentes de ler os resultados para reduzir esse custo. Eles testaram um método de ponderar as medições para minimizar o ruído, o qual reduziu com sucesso o número de disparos necessários por um fator de aproximadamente 2,7 no hardware testado. Essa melhoria foi constante em diferentes tamanhos de máquina, o que significa que oferece uma economia confiável, independentemente de quão grande o computador se torne. No entanto, também descobriram que modelos treinados em circuitos pequenos e baratos não se transferiam bem para prever o comportamento de máquinas maiores e mais complexas. Os erros nessas máquinas maiores não eram apenas ruído aleatório, mas estruturados de uma forma que correções simples não podiam corrigir, sugerindo que prever o desempenho de grandes máquinas quânticas requer observação direta em vez de apenas extrapolação a partir de dados menores.

Em última análise, esta pesquisa reescreve as regras para como orçamos a verificação quântica. Ela mostra que o medo de uma curva de custo explosiva é frequentemente equivocado, impulsionado por uma incompreensão de como a informação se espalha em sistemas grandes. O custo para certificar um modelo quântico não é uma propriedade fixa da arquitetura, mas um resultado dinâmico de como a variância e a força do sinal da máquina escalam com o tamanho. Para dispositivos de conectividade fixa, que são comuns no hardware atual, o custo cresce muito mais suavemente do que a lei cúbica sugere. Esta descoberta oferece uma perspectiva mais otimista para a escalabilidade da computação quântica, sugerindo que o caminho para verificar máquinas grandes e úteis não é tão íngreme quanto se acreditava anteriormente, desde que meçamos as quantidades certas e entendamos os limites de nossos cones de luz.

Resumo Técnico: Custo de Certificação de Modelos Quânticos

Definição do Problema
As práticas atuais em computação quântica variacional frequentemente relatam a geometria de Fisher de modelos treinados ou comparam modelos com base na contagem de parâmetros e acurácia. No entanto, essas métricas carecem de uma unidade de medida neutra em relação ao custo de estabelecê-las. Especificamente, citar o orçamento de disparos (shot budget — o número de execuções de circuitos) necessário para certificar uma matriz de Fisher empírica para um erro relativo específico é raro. Sem esse orçamento, as geometrias relatadas não podem ser auditadas. Além disso, existe uma suposição prevalecente de que o custo de medição escala universalmente como $p^3$ (onde $p$ é a contagem de parâmetros), uma crença extrapolada de estudos de sistemas pequenos. Este artigo aborda três questões: Qual é o custo de disparos para certificar uma geometria com qualidade de estimativa correspondente? O expoente cúbico é uma lei universal? E, se não for, o que determina o regime de custo?

Metodologia
Os autores derivam uma "lei de custo de certificação" em forma fechada baseada em duas quantidades mensuráveis de um modelo treinado:

$V$ (Variância de Leitura): A variância de uma estimativa de execução única da saída do modelo, calculada como a soma da matriz de covariância completa dos qubits medidos.
$G$ (Norma do Gradiente ao Quadrado): A norma ao quadrado do gradiente de deslocamento de parâmetro (parameter-shift gradient).

Usando o estimador de deslocamento de parâmetro por coordenada, os autores provam que para alcançar um erro de Frobenius relativo $\varepsilon$ na matriz de Fisher empírica, o número necessário de disparos $S$ e de execuções de circuito $B_Q$ são:
$S = \Theta\left(\frac{pV}{\varepsilon^2 G}\right), \quad B_Q = \Theta\left(\frac{B p^2 V}{\varepsilon^2 G}\right)$
onde $B$ é o tamanho do lote (batch size). Os autores demonstram que a alocação uniforme de disparos entre os parâmetros é ótima dentro desta classe de estimadores.

Para validar esses limites teóricos e investigar o expoente de escala, o estudo utiliza:

Simulação: Backends de matriz de produto de estados (MPS) para até 256 qubits, validados contra vetores de estado exatos para sistemas menores.
Famílias de Circuitos: Análise de famílias de produtos (sem emaranhamento), emaranhadores de tijolo (brickwork), cadeias sequenciais, emaranhadores de anel e emaranhadores "bloqueados", onde a largura do cone de luz de leitura é fixa por construção.
Execução em Hardware: Circuitos espelho executados em dispositivos IBM (ibm_marrakesh, ibm_fez, ibm_kingston) para medir a atenuação do hardware e multiplicadores.
Pré-registro: Quatorze verificações foram registradas antecipadamente. O artigo relata explicitamente quais verificações falharam e como essas falhas alteraram a interpretação ou o relato dos resultados.

Principais Contribuições

A Lei do Custo de Certificação: Um limite superior e inferior correspondente para as execuções necessárias para certificar uma matriz de Fisher empírica. Esta lei utiliza a variância de leitura medida ( $V$ ) em vez de assumi-la, permitindo que uma única constante reproduza custos para famílias com expoentes de escala vastamente diferentes.
Falsificação do Custo Cúbico Universal: O artigo demonstra que a escala $p^3$ , amplamente citada, não é uma lei universal. É uma "janela de tamanho finito" observada apenas quando o tamanho do registrador é comparável ao cone de luz de leitura.
A Identidade Contábil: Os autores mostram que o expoente de ajuste não é uma propriedade independente de uma arquitetura, mas uma identidade derivada de como $V$ e $G$ escalam com o tamanho do sistema $n$ . Especificamente, o expoente é igual a $2 + \frac{d \log(nV)}{d \log n} - \frac{d \log(nG)}{d \log n}$ (mais prefeitos de tamanho finito).
Medição do Multiplicador de Hardware: Uma medição do multiplicador de hardware (o fator pelo qual o ruído do dispositivo real aumenta os requisitos de disparos) usando circuitos espelho, encontrando valores em torno de $2,07\times$ a $2,38\times$ em dispositivos IBM.

Resultados

Regimes de Escala: O estudo identifica dois regimes baseados no "cone de luz de leitura":
- Limitado pelo Cone: Quando o cone de luz se alarga com o registrador (ex: cadeias sequenciais em pequenos $n$ ), o expoente é próximo de 3.
- Saturado pelo Cone: Quando o cone de luz é fixo (ex: por conectividade de hardware ou emaranhadores bloqueados), o expoente cai para próximo de 2.
- Família de Produtos: Certificada até 256 qubits, a família de produtos (sem emaranhamento) produz um expoente de execução de $1,966$ (IC 95%: 1,934–1,997), contradizendo a suposição cúbica.
Variabilidade do Expoente: Para um emaranhador de tijolo, o expoente cai de $2,853$ (em $n < 10$ ) para $1,715$ (em $n > 64$ ). Para uma cadeia sequencial, o expoente ao longo de todo o crescimento ( $n=16$ a $96 $) é$ 3,032$, mas quando restrito a $n \ge 64$ , cai para $1,758$.
Pesos de Leitura: O uso de pesos de leitura otimizados para certificação reduziu o orçamento de disparos medido por um fator de $2,67\times$ no hardware, com a economia permanecendo constante através das contagens de qubits (4 a 12), em vez de escalar conforme previsto em simulações sem ruído.
Modelos de Discrepância: Modelos ajustados em circuitos pequenos falham ao serem transferidos para tamanhos maiores prospectivamente. Os intervalos nominais de 90% cobrem apenas 36% dos tamanhos maiores retidos. A calibração conformal dividida (split conformal calibration) é o único método que mantém cobertura quase nominal (86,1%) em células prospectivas.
Falhas Registradas: O artigo relata várias verificações pré-registradas que não passaram, incluindo a falha de uma regressão agrupada (pooled regression) em distinguir classes corretamente e a incapacidade de um modelo de discrepância de transferir previsões médias fora da grade de calibração.

Significância e Alegações
O artigo alega que o "custo cúbico" é um artefato de tamanho finito, não uma lei fundamental. O custo real é determinado pela escala da variância de leitura e do sinal do gradiente, que são ditados pelo cone de luz de leitura em relação ao tamanho do registrador. Consequentemente, extrapolar estimativas de custo de simulações pequenas (onde o cone é limitado) para máquinas grandes (onde o cone está saturado) leva a superestimativas massivas (ex: um fator de 600 para uma família de produtos de 256 qubits).

Os autores enfatizam que relatar as escalas separadas da variância de leitura e do sinal do gradiente é estritamente mais informativo do que relatar um expoente de custo ajustado. Eles também destacam que a "identidade contábil" reformula o problema: o expoente é uma consequência de como $V$ e $G$ escalam, não uma propriedade arquitetônica independente. Por fim, o estudo fornece uma ferramenta prática (shotcost) para auditar custos de certificação e estabelece que a conectividade fixa do dispositivo fixa o cone de luz, colocando os dispositivos reais no regime de saturação do cone, onde os custos escalam mais próximo de $p^2$ do que de $p^3$ .

O artigo permanece modesto quanto ao seu escopo, observando que seus limites de otimalidade se aplicam a estratégias de deslocamento de parâmetro por coordenada e que um limite inferior contra estratégias conjuntas de cópia única (como sombras clássicas) permanece uma lacuna aberta. Ele também esclarece que seus resultados baseiam-se em topologias de acoplamento unidimensionais e circuitos de profundidade-2, e não cobrem mapas bidimensionais.

Resumo Técnico: Custo de Certificação de Modelos Quânticos

Mais como este