Resumo Técnico: Quando o Quantum Encontra a IA

Esta dissertação investiga a interseção bidirecional entre a computação quântica e a inteligência artificial, estruturada em duas partes complementares: "Quantum para IA", que explora como modelos quânticos aprimoram o aprendizado de máquina, e "IA para Quantum", que examina como técnicas de aprendizado de máquina resolvem problemas fundamentais na correção de erros quânticos e na física de muitos corpos.

Parte I: Quantum para IA

Capítulo 2: Embebedamento Quântico Neural (NQE)

Problema: No aprendizado supervisionado quântico, o desempenho de um classificador é fundamentalmente limitado pelo embebedamento dos dados. O risco empírico para classificação binária é limitado inferiormente pela distância de trace entre as matrizes de densidade médias das classes dos dados embebedados. Os embebedamentos determinísticos convencionais (ex: mapas de amplitude, ângulo ou ZZ fixos) são agnósticos aos dados e frequentemente falham em produzir uma distância de trace elevada para conjuntos de dados específicos. Além disso, a propriedade contrativa da distância de trace sob canais quânticos implica que o processamento quântico ruidoso subsequente não pode aumentar essa distinguibilidade; um mau embebedamento inicial não pode ser recuperado pelo classificador.

Metodologia: O autor propõe o Embebedamento Quântico Neural (NQE), um framework que insere uma rede neural clássica $g(x, w)$ entre os dados brutos e o circuito de embebedamento quântico. Esta rede aprende um mapa de pré-processamento dependente dos dados que transforma as características de entrada em ângulos de rotação para o circuito quântico, efetivamente aprendendo um embebedamento que maximiza a distância de trace entre os conjuntos de classes.

• Objetivo de Treinamento: Como calcular a distância de trace requer tomografia completa, o NQE é treinado usando uma perda de fidelidade implícita. Esta perda minimiza a sobreposição entre pares de classes cruzadas e maximiza a sobreposição dentro de pares da mesma classe, atuando como um substituto tratável para a maximização da distância de trace.
• Extensão DQC1: Para estender o NQE a sistemas quânticos de ensemble (ex: RMN) onde a preparação de estados puros é impraticável, a perda baseada em fidelidade é reformulada usando o produto interno de Hilbert–Schmidt. Esta quantidade é diretamente mensurável via o modelo de Computação Quântica Determinística com Um Qubit (DQC1).

Resultos Principais:

• Melhoria da Distância de Trace: Na tarefa de classificação binária MNIST (dígitos 0 vs 1), o NQE aumentou a distância de trace de $\approx 0,27$ (mapa ZZ convencional) para $\approx 0,84$.
• Ganhos de Acurácia: Esta melhoria traduziu-se num aumento da acurácia de classificação de 52,7% para 96,1% em hardware quântico IBM ruidoso, e 98% num processador quântico de RMN. Notavelmente, o risco empírico ruidoso alcançado com NQE ficou abaixo do limite teórico inferior sem ruído do embebedamento convencional não otimizado.
• Generalização e Treinabilidade: Demonstrou-se que o NQE reduz a dimensão efetiva local das redes neurais quânticas resultantes (melhorando os limites de generalização) e reduz a expressividade do embebedamento, mitigando assim os barren plateaus e os problemas de concentração de kernel.

Significância: O trabalho estabelece que o embebedamento dos dados define um "piso induzido pela representação" no erro de treinamento. Ao mover a otimização desta representação para o domínio clássico, o NQE contorna as restrições de contração quântica, melhorando significativamente o desempenho em hardware de curto prazo (near-term).

Capítulo 3: Generalização em Aprendizado de Máquina Quântico

Problema: Embora um baixo erro de treinamento seja necessário, ele não garante um bom desempenho em dados não vistos. Os limites de generalização existentes para modelos quânticos frequentemente dependem de medidas uniformes (ex: contagem de parâmetros, dimensão VC), que são frequentemente demasiado vácuas para distinguir entre modelos que aprendem padrões e aqueles que meramente memorizam dados, especialmente em regimes sobreparametrizados.

Metodologia: O autor desenvolve um framework de generalização baseado em margem para Redes Neurais Quânticas (QNNs), adaptando a teoria de margem clássica para o cenário quântico.

• Limite Teórico: Um limite de generalização de alta probabilidade é derivado para QNNs multiclasse usando técnicas de número de cobertura e a integral de entropia de Dudley. O limite depende da perda de margem empírica e das normas espectrais das POVMs, em vez de apenas na contagem total de parâmetros.
• Conexão com Discriminação de Estados: A tese estabelece uma ligação teórica entre a média da margem e a distância de trace entre conjuntos de classes, conectando a análise de generalização deste capítulo à teoria de embebedamento do Capítulo 2.

Resultos Principais:

• Poder Preditivo: Experimentos na tarefa de Reconhecimento de Fase Quântica (QPR) demonstram que métricas baseadas em margem (mediana, média e quartil inferior da distribuição de margem) são preditores significativamente mais fortes de lacunas de generalização do que métricas baseadas em parâmetros (total de parâmetros ou parâmetros efetivos). Isto mantém-se mesmo quando os modelos são treinados em rótulos randomizados.
• Conexão com Embebedamento: A validação empírica mostra que embebedamentos com maiores distâncias de trace (como os produzidos por NQE) suportam maiores margens de classificação, levando a limites de generalização mais estreitos e maiores acurácias de teste.

Significância: Este trabalho fornece uma ferramenta teórica mais matizada para analisar a generalização em QML, indo além dos limites uniformes vácuos. Destaca que a qualidade do embebedamento quântico (distinguibilidade de estado) influencia diretamente as margens alcançáveis e, consequentemente, a capacidade de generalização do modelo.

Parte II: IA para Quantum

Capítulo 4: Decodificadores Neurais para Correção de Erros Quânticos

Problema: À medida que os processadores quânticos escalam, o decodificador clássico para correção de erros quânticos (QEC) deve processar dados de síndrome em tempo real com baixa latência. Decodificadores tradicionais lutam com a complexidade computacional de grandes distâncias de código. Embora decodificadores neurais baseados em Transformer (ex: AlphaQubit) ofereçam alta acurácia, os seus mecanismos de auto-atenção escalam como $\mathcal{O}(d^4)$ com a distância do código $d$, criando um gargalo de latência que introduz ruído induzido pelo decodificador.

Metodologia: O autor propõe um decodificador neural baseado na arquitetura Mamba, um modelo de espaço de estados (SSM) seletivo.

• Arquitetura: O decodificador Mamba substitui o mecanismo de multi-head attention do Transformer por uma operação de varredura seletiva que escala como $\mathcal{O}(d^2)$. Mantém a estrutura recorrente geral do AlphaQubit (Stabilizer Embedder, RNN Core, Readout Network), mas utiliza blocos Mamba para as camadas de mistura de síndrome (Syndrome Mixer).
• Treinamento: O modelo é treinado usando um pipeline de dois estágios: pré-treino em dados sintéticos gerados de um modelo de erro de detetor calibrado no processador Sycamore do Google, seguido de ajuste fino (fine-tuning) em dados de hardware real.

Resultos Principais:

• Acurácia: Nos dados do experimento de memória Sycamore, o decodificador Mamba alcançou taxas de erro lógico comparáveis ao baseline Transformer reproduzido ($\approx 2,98 \times 10^{-2}$ para distância 3).
• Latência e Limiar: O bloco Mamba demonstrou escalonamento de inferência de $\mathcal{O}(d^2)$ comparado ao $\mathcal{O}(d^4)$ do Transformer. Sob um modelo simulado de decodificação em tempo real onde o ruído induzido pelo decodificador escala com a complexidade computacional, o decodificador Mamba alcançou um limiar efetivo de tamanho finito mais elevado ($p_{th} \approx 0,0104$) comparado ao Transformer ($p_{th} \approx 0,0097$).

Significância: O trabalho demonstra que substituir mecanismos de atenção por modelos de espaço de estados pode preservar a acurácia de decodificação enquanto reduz significativamente o escalonamento da latência. Esta melhoria na latência traduz-se diretamente numa maior tolerância para taxas de erro físico em cenários de QEC em tempo real.

Capítulo 5: Estados Quânticos Neurais (NQS) e Reconfiguração Estocástica

Problema: Estados Quânticos Neurais utilizam redes neurais expressivas para representar funções de onda de muitos corpos, otimizadas via Monte Carlo Variacional (VMC). O otimizador padrão, Reconfiguração Estocástica (SR), resolve um sistema linear envolvendo o Tensor Geométrico Quântico (QGT). Em NQS modernos e sobreparametrizados, o número de parâmetros frequentemente excede o número de amostras de Monte Carlo, tornando o QGT deficiente em posto (rank-deficient) e mal condicionado. O deslocamento diagonal ($\lambda$) usado para regularizar a SR é tipicamente visto como um estabilizador numérico, mas o seu papel estatístico neste regime não é totalmente compreendido.

Metodologia: O autor reformula a SR como filtragem espectral estatística (regressão ridge) no espaço tangente da função de onda.

• Compromisso Viés-Variância: Demonstra-se que o deslocamento diagonal atua como um filtro que troca viés por variância de amostragem. No regime sobreparametrizado, o ruído de amostra finita (derivado do gap de expressividade) pode ser sobreajustado (overfitted) pelo otimizador. O deslocamento suprime este ruído, mas encolhe as direções de atualização úteis.
• MS-SR (Multi-Shift SR): Para melhor utilizar as amostras disponíveis, o autor propõe o MS-SR, que combina atualizações de SR independentes computadas com diferentes deslocamentos. Esta mistura permite um filtro espectral mais flexível do que um único deslocamento.

Resultos Principais:

• Evidência de Filtragem Espectral: Experimentos em modelos Heisenberg de pequena escala e modelos de campo transversal de Ising (TFIM) de grande escala confirmam que o resíduo de validação exibe uma dependência em forma de U em relação ao parâmetro de deslocamento, e que a variância multi-batch diminui com uma regularização mais forte, consistente com a interpretação de noisy-ridge.
• Desempenho: O MS-SR reduziu os resíduos de validação e a variância multi-batch em aproximadamente 39%/43% (TFIM) e 14%/66% ($J_1-J_2$) em relação à SR padrão com o deslocamento de treino. Em continuações de treino online, o MS-SR mostrou uma tendência para energias mais baixas, embora a vantagem não tenha sido estatisticamente significativa em todos os ensaios independentes.

Significância: Este trabalho fornece uma interpretação estatística do deslocamento diagonal da SR, indo além da sua justificação numérica. Demonstra que, no regime sobreparametrizado, a SR atua como um filtro espectral para o ruído de amostra finita, motivando o desenvolvimento de estratégias de múltiplos deslocamentos para melhorar a estabilidade e eficiência da otimização.

Conclusão Geral

A dissertação postula que a interseção entre computação quântica e IA é uma troca bidirecional. A computação quântica desafia a IA a operar sob novas restrições físicas (ex: limites de distância de trace, barren plateaus, ruído induzido por latência), enquanto a IA fornece ferramentas fundamentadas (ex: embebedamentos baseados em dados, análise baseada em margem, arquiteturas escaláveis, regularização estatística) para abordar os problemas mais difíceis em sistemas quânticos. As contribuições elevam coletivamente o estado da arte tanto no desempenho do aprendizado de máquina quântico quanto na viabilidade prática da correção de erros quânticos e simulação de muitos corpos.