⚛️ quantum physics

Distilling Datasets into Shallow Circuits for Quantum Machine Learning

Este artigo introduz a Destilação de Conjuntos de Dados Quânticos (QDD), um método que destila diretamente conjuntos de dados completos em um pequeno conjunto de circuitos rasos parametrizados para eliminar o overhead repetido de preparação de estado, alcançando precisão comparável ao treinamento com dados completos com contagens de shots significativamente reduzidas e validação bem-sucedida em hardware quântico real.

Autores originais: Guang Lin, Qibin Zhao

Publicado 2026-09-24

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Guang Lin, Qibin Zhao

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

No campo emergente do aprendizado de máquina quântico, cientistas estão ensinando computadores a aprender usando as estranhas regras da física quântica. Em vez dos bits padrão encontrados em computadores comuns, que são zero ou um, essas máquinas usam bits quânticos, ou qubits, que podem existir em combinações complexas de estados. Para ensinar tal máquina, os pesquisadores devem primeiro traduzir dados comuns, como uma fotografia, em um estado quântico específico. Essa tradução não é uma simples cópia; ela requer uma sequência especializada de operações, conhecida como circuito, para preparar os dados antes que a máquina possa processá-los. O desafio é que criar essa sequência de preparação é incrivelmente caro em termos de tempo e poder computacional. Para cada única imagem da qual a máquina precisa aprender, o circuito de preparação deve ser construído e executado novamente. Ao lidar com milhares de imagens, esse processo torna-se um enorme gargalo, retardando o treinamento a passos de tartaruga e consumindo recursos que são atualmente escassos.

Uma equipe de pesquisadores da RIKEN AIP desenvolveu um novo método para resolver este problema mudando a forma como os dados são preparados em primeiro lugar. Em vez de tentar comprimir imagens existentes e depois descobrir como carregá-las em uma máquina quântica, eles decidiram projetar o dado e as instruções de carregamento simultaneamente. Eles chamam essa abordagem de Destilação de Conjunto de Dados Quânticos. Imagine tentar encaixar uma biblioteca de livros em uma pequena mala de viagem. A maneira tradicional seria escolher os livros mais importantes, encolhê-los e depois lutar para descobrir como empacotá-los eficientemente. Este novo método pula as etapas de encolhimento e empacotamento inteiramente. Em vez disso, os pesquisadores criam um pequeno conjunto de novos "livros" sintéticos que são projetados do zero para caber perfeitamente na mala. Esses exemplos sintéticos não são imagens de forma alguma; eles são as instruções exatas necessárias para carregar os dados na máquina quântica.

Os pesquisadores testaram essa ideia em duas coleções conhecidas de imagens: uma contendo dígitos manuscritos e outra com fotos de roupas. Eles queriam ver se conseguiam treinar um modelo quântico usando uma fração minúscula dos dados, mantendo baixo o custo de carregamento desses dados. Em seus experimentos, eles criaram um conjunto de dados destilado consistindo em apenas dez amostras sintéticas para cada categoria de imagem. Isso é uma redução do tamanho do conjunto de dados original por um fator de aproximadamente seis mil. Apesar dessa redução drástica, os modelos quânticos treinados nesses dez exemplos por classe tiveram um desempenho quase tão bom quanto os modelos treinados no conjunto completo de sessenta mil imagens. A chave para o sucesso foi que eles não trataram o dado e o processo de carregamento como problemas separados. Ao otimizar o dado diretamente como uma sequência de operações quânticas, eles garantiram que cada pedaço de informação retida fosse algo que a máquina pudesse realmente usar sem desperdiçar esforço em preparações impossíveis.

Uma das descobertas mais significativas foi o quanto este método economizou no número total de vezes que a máquina teve que executar seus experimentos. Na computação quântica, cada medição exige que a máquina execute um ciclo completo, o que é uma operação dispendiosa. Quando os pesquisadores treinaram seus modelos usando um número limitado de medições por etapa, sua abordagem destilada alcançou altos níveis de precisão usando mais de cem vezes menos execuções totais do que o método padrão. Isso sugere que, ao curar cuidadosamente os dados de treinamento para corresponder às limitações físicas da máquina, os cientistas podem alcançar resultados poderosos sem precisar das quantidades massivas de tempo computacional que atualmente tornam o treinamento quântico tão difícil.

A equipe também comparou seu método contra outras estratégias que tentam reduzir o tamanho dos dados. Alguns enfoques simplesmente escolhem as imagens mais representativas do conjunto original, enquanto outros tentam comprimir as imagens primeiro e depois descobrir como carregá-las. Os pesquisadores descobriram que essas etapas separadas frequentemente falham porque o processo de compressão perde informações que o circuito de carregamento não consegue recuperar. Em contraste, sua abordagem conjunta manteve a informação intacta porque o dado nunca foi separado das instruções necessárias para carregá-lo. Quando testaram seus modelos em hardware quântico real disponível da IBM, os resultados se mantiveram. Os modelos treinados em seus minúsculos conjuntos de dados destilados tiveram um desempenho quase tão bom quanto aqueles treinados em dados completos, mesmo rodando em máquinas ruidosas e imperfeitas.

Este trabalho demonstra que a maneira como preparamos os dados para computadores quânticos é tão importante quanto os algoritmos que usamos para aprender com eles. Ao projetar o dado e as instruções de carregamento juntos, os pesquisadores mostraram que é possível treinar modelos quânticos eficazes com uma fração dos recursos usuais. Eles não apenas encontraram uma maneira de tornar o processo mais rápido; eles encontraram uma maneira de torná-lo viável. O estudo sugere que o futuro do aprendizado de máquina quântico pode depender menos de construir máquinas maiores e mais poderosas e mais de encontrar formas mais inteligentes e eficientes de alimentá-las com as informações de que precisam. Através deste alinhamento cuidadoso entre dado e hardware, a barreira para o aprendizado quântico prático foi reduzida, oferecendo um caminho claro à frente para o treinamento desses sistemas complexos no mundo real.

Resumo Técnico: Destilação de Conjuntos de Dados em Circuitos Rasos para Aprendizado de Máquina Quântica

Declaração do Problema

Treinar modelos de aprendizado de máquina quântica (QML) em conjuntos de dados de tamanho realista enfrenta uma barreira de custo proibitiva, impulsionada principalmente pela interface de dados, e não pela arquitetura do modelo em si. Antes que um modelo quântico possa processar uma amostra clássica, um circuito de carregamento deve preparar o estado quântico correspondente. A codificação de amplitude exata de entradas arbitrárias geralmente requer um número exponencial de portas de dois qubits. Crucialmente, este circuito de preparação deve ser reexecutado para cada shot de medição em cada etapa de treinamento. Consequentemente, o custo total de treinamento escala tanto com o número de amostras de treinamento quanto com a complexidade de portas para preparar cada uma delas.

Abordagens existentes tentam mitigar isso através da compressão de entradas individuais (por exemplo, via codificação de amplitude aproximada ou redes de tensores) ou destilando conjuntos de dados clássicos em conjuntos menores antes de aplicar um carregamento quântico separado. No entanto, esses métodos sofrem de uma desconexão crítica: tratar a construção do conjunto de dados e a preparação do estado separadamente deixa as representações destiladas sem restrições em relação aos circuitos usados para prepará-las. Isso frequentemente resulta em amostras destiladas que permanecem custosas para carregar ou que perdem informação significativa quando posteriormente compiladas em circuitos rasos sob orçamentos rigorosos de hardware.

Metodologia: Destilação de Conjunto de Dados Quântico (QDD)

Os autores propõem a Destilação de Conjunto de Dados Quântico (QDD), um framework que destila diretamente um conjunto de dados clássico completo em um conjunto compacto de circuitos de carregamento rasos e executáveis. No QDD, a amostra sintética e seu circuito de carregamento são o mesmo objeto, eliminando a necessidade de síntese de preparação de estado post-hoc.

1. Amostras Sintéticas Nativas de Circuito:
Cada amostra sintética é parametrizada como um circuito em escada (staircase circuit) que realiza um estado de Tensor Train Quantizado (QTT) de baixo posto.

Estrutura: O circuito consiste em uma camada de rotação inicial seguida por $L$ camadas sequenciais de "escada". Cada camada percorre blocos de dois qubits de vizinhos próximos do vínculo mais à direita para o mais à esquerda.
Portas: Os blocos utilizam rotações $R_y$ e portas CNOT. Em ângulos zero, as CNOTs se cancelam, tornando o bloco a identidade.
Controle de Custo: A profundidade $L$ controla diretamente o custo de carregamento (número de portas de dois qubits) e a capacidade de representação (dimensão de vínculo). Isso garante que a amostra otimizada seja nativamente executável dentro de um orçamento específico de portas.

2. Objetivo de Destilação:
Os parâmetros do circuito são otimizados classicamente usando gradientes exatos para corresponder ao conjunto de dados completo sob um orçamento de carregamento explícito. A função objetivo combina dois termos:

Correspondência de Distribuição (DM): Corresponde às características médias condicionais de classe dos dados reais e sintéticos, conforme vistos por um modelo quântico $W_\theta$ inicializado aleatoriamente. Isso garante que os estados sintéticos sejam distinguíveis pela família de modelos alvo.
Correspondência de Matriz de Densidade: Corresponde diretamente às matrizes de densidade médias condicionais de classe ( $\bar{\rho}$ ) dos dados reais e sintéticos. Isso fornece uma medida de discrepância independente de modelo no espaço de estados completo.
Otimização: A perda é $L_{QDD} = L_{DM} + \alpha L_\rho$ . A otimização é realizada offline; o modelo descendente $W_\theta$ é reamostrado, mas não treinado, servindo apenas como um extrator de características.

3. Implantação:
Após a destilação, os circuitos de carregamento otimizados são exportados diretamente. Durante o treinamento descendente, esses circuitos permanecem congelados e apenas os parâmetros do modelo quântico são atualizados. Nenhuma compilação ou reconstrução adicional é necessária.

Principais Contribuições

Introdução de Framework: O artigo introduz o QDD, que aborda conjuntamente o tamanho do conjunto de dados e o custo de preparação quântica ao destilar dados de treinamento diretamente em circuitos de carregamento executáveis, evitando a perda de informação associada à compilação post-hoc.
Parametrização de Circuito em Escada: Os autores desenvolvem uma parametrização específica de estados QTT usando circuitos em escada e os otimizam classicamente com gradientes exatos, combinando características e estados de entrada médios sob um orçamento de portas explícito.
Validação Empírica: O trabalho demonstra que o QDD retém um forte desempenho com conjuntos de treinamento compactos (por exemplo, 10 circuitos por classe) e reduz significativamente os custos cumulativos de shots em treinamento de shots finitos. O trabalho valida ainda a implantação de modelos treinados com QDD em hardware quântico real.

Resultados Experimentais

Os autores avaliaram o QDD no MNIST e Fashion-MNIST usando uma tarefa de classificação de 10 classes com uma interface de 8 qubits (resolução de 16 $\times$ 16).

Acurácia vs. Baselines: Sob orçamentos correspondentes de amostra e carregamento (42 CNOTs por amostra), o QDD alcançou a maior acurácia em cinco de seis configurações. Com apenas 10 circuitos por classe (0,0017 $\times$ o tamanho do conjunto de dados completo), o QDD atingiu 81,62% no MNIST e 69,67% no Fashion-MNIST, superando os baselines de seleção (aleatório, k-means, coreset, etc.) e um baseline de "destilar-então-comprimir".
Otimização Conjunta vs. Destilar-então-Comprimir: O QDD mostrou vantagens significativas, particularmente sob orçamentos de portas apertados (por exemplo, 14 CNOTs). Em IPC 10 e 14 CNOTs, o QDD melhorou a acurácia em 9,25% sobre a abordagem de destilar-então-comprimir. Isso destaca que otimizar diretamente dentro da família de circuitos preserva informação que é perdida quando compilando estados não restritos posteriormente.
Eficiência de Treinamento de Shots Finitos: No treinamento de parameter-shift de shots finitos, o QDD-10 (10 amostras por classe) foi o único conjunto compacto testado que atingiu a meta de acurácia de 95% dos dados completos em cada configuração de shots (100, 1.000 e 10.000 shots por circuito). Isso foi alcançado usando 134 $\times$ , 576 $\times$ e 370 $\times$ menos shots cumulativos do que o treinamento de dados completos nas respectivas configurações. O Random-10 atingiu a meta de 80%, mas falhou em atingir a meta de 95%, apesar de ter o mesmo número de amostras e custo de shot por etapa.
Validação de Hardware: Experimentos em três processadores quânticos da IBM (Kawasaki, Fez, Boston) confirmaram que modelos treinados com QDD performam comparavelmente a modelos de dados completos quando utilizando carregadores de teste rasos idênticos. O estudo também observou que a preparação de estado exata (posto-8) performou mal no hardware em comparação aos carregadores em escada rasos, enfatizando a necessidade prática de circuitos rasos.

Significância e Alegações

O artigo afirma que o QDD fornece uma rota prática para obter dados de treinamento que reduzem os custos recorrentes de execução quântica. Ao alinhar a representação otimizada durante a destilação com aquela usada no treinamento descendente, o QDD preserva a utilidade descendente sob orçamentos explícitos de amostra e carregamento. Os autores asseveram que a chave para um treinamento eficiente de QML reside no design conjunto dos dados de treinamento e dos circuitos de carregamento, em vez de tratá-los como estágios separados. Os resultados sugerem que, para dispositivos quânticos com recursos limitados, destilar dados diretamente em circuitos rasos é superior a comprimir dados após a seleção ou destilação.

Os autores mantêm a modéstia quanto à escalabilidade futura, observando que escalar a destilação para sistemas quânticos maiores mantendo informações úteis dentro de circuitos rasos continua sendo um desafio em aberto. Eles sugerem que contrações eficientes de redes de tensores e o casamento de observáveis selecionados são direções promissoras para trabalhos futuros.