⚛️ física quântica

Invariance can prevent overfitting and shortcut learning in Quantum Neural Networks

Este artigo demonstra que incorporar a simetria $D_4$ em redes neurais quânticas melhora significativamente a generalização, a robustez ao aprendizado de atalhos e a resiliência ao ruído em comparação com modelos não invariantes com arquiteturas e contagens de parâmetros idênticas através de diversas tarefas de classificação de imagens.

Autor original: Giuseppe D'Ambruoso, Giovanni Gramegna, Domenico Pomarico, Giuseppe Magnifico, Cosmo Lupo

Publicado 2026-11-11

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autor original: Giuseppe D'Ambruoso, Giovanni Gramegna, Domenico Pomarico, Giuseppe Magnifico, Cosmo Lupo

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 pelo autor. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

No mundo da inteligência artificial, os computadores estão aprendendo a ver o mundo ao escanear imagens e encontrar padrões. Quando uma máquina olha para uma fotografia de um gato, ela não se importa se o gato está sentado ereto, deitado ou visto de um ângulo diferente; o rótulo "gato" permanece o mesmo. Essa capacidade de reconhecer que a identidade central de um objeto permanece constante mesmo quando sua posição muda é chamada de invariância. Por décadas, engenheiros construíram programas de computador clássicos que codificaram essa regra, ensinando-os a ignorar rotação e reflexão para que pudessem aprender de forma mais rápida e precisa. Agora, cientistas estão tentando construir um novo tipo de computador que utiliza as estranhas leis da física quântica para processar informações. Essas máquinas quânticas são incrivelmente poderosas em teoria, mas atualmente são muito pequenas e frágeis, propensas a cometer erros quando tentam aprender a partir de dados limitados. Uma grande questão tem sido se essas novas máquinas quânticas também podem aprender a ignorar a posição de um objeto para se tornarem melhores aprendizes, ou se sua física única as torna sensíveis demais a tais detalhes.

Uma equipe de pesquisadores partiu para responder a isso construindo quatro modelos quânticos diferentes para resolver tarefas de classificação de imagens. Eles queriam ver se forçar um computador quântico a respeitar a simetria de uma imagem — o que significa que ele trata uma imagem rotacionada como o mesmo objeto — ajudaria a aprender melhor. Para fazer isso de forma justa, eles construíram quatro modelos distintos que eram idênticos em todos os aspectos, exceto na forma como lidavam com a simetria. Usaram o mesmo número de bits quânticos, o mesmo número de configurações ajustáveis e a mesma estrutura matemática subjacente. Dois desses modelos foram projetados para serem "invariantes" por natureza, o que significa que suas regras internas os forçavam a ignorar a orientação da imagem. Os outros dois foram permitidos a notar a orientação, tratando uma imagem rotacionada como uma entrada completamente diferente. Os pesquisadores testaram esses modelos em quatro desafios diferentes: reconhecer números manuscritos, identificar formas geométricas simples, distinguir entre dois tipos de galáxias e identificar diferentes formatos de glóbulos vermelhos. Em cada caso, as imagens apareciam em rotações aleatórias, tal como poderiam ocorrer no mundo real.

Os resultados foram claros e consistentes em todas as quatro tarefas. Os modelos que foram construídos para ignorar a orientação das imagens aprenderam muito mais rápido e cometeram menos erros em novas imagens não vistas. Como foram forçados a focar apenas na forma do objeto e não em sua posição, eles não desperdiçaram sua capacidade de aprendizado limitada memorizando detalhes específicos das fotos de treinamento. Em contraste, os modelos que foram permitidos a notar a orientação memorizaram rapidamente as poses exatas de poucas imagens que lhes foram mostradas. Quando esses modelos não invariantes enfrentavam uma nova imagem com uma rotação diferente, frequentemente falhavam completamente. Os pesquisadores descobriram que simplesmente tornar o circuito do computador quântico simétrico não era suficiente; a etapa final onde o computador lê sua resposta também precisava ser simétrica. Se o computador fosse construído com regras simétricas, mas solicitado a dar uma resposta não simétrica, ele ainda assim falhava em generalizar.

O estudo também explorou um problema comum no aprendizado de máquina chamado "aprendizado de atalho" (shortcut learning), onde um modelo encontra um truque fácil para adivinhar a resposta em vez de aprender a regra real. Os pesquisadores adicionaram uma pequena marca d'água oculta no canto de cada imagem de treinamento para ver se os modelos se apoiariam nela. Os modelos que podiam notar a orientação aprenderam esse truque instantaneamente; eles olhariam para o canto, veriam a marca d'água e adivinhariam a resposta sem nunca olhar para a imagem principal. Quando os pesquisadores moveram a marca d'água para um canto diferente, esses modelos falharam, caindo ao nível de um palpite aleatório. Os modelos invariantes, no entanto, não conseguiam ver a marca d'água de forma alguma porque ela se movia com a rotação da imagem. Em vez disso, eles foram forçados a olhar para o conteúdo real da imagem e continuaram a identificar os objetos corretamente mesmo quando o truque era removido.

Finalmente, a equipe testou como essas descobertas se sustentavam contra o ruído e os erros típicos do hardware quântico atual. Computadores quânticos reais são imperfeitos, e seus sinais frequentemente são distorcidos pelo calor e interferência. Os pesquisadores simularam essas condições e descobriram que a vantagem dos modelos invariantes sobreviveu. Mesmo quando os sinais quânticos eram ruidosos, os modelos que ignoravam a orientação permaneciam mais precisos e menos propensos ao sobreajuste (overfitting) do que seus equivalentes. O estudo sugere que, para os computadores quânticos serem úteis no mundo real, especialmente quando os dados são escassos, construir a simetria diretamente em seu design é uma ferramenta poderosa. Ela atua como um corrimão, impedindo que a máquina se distraia com detalhes irrelevantes e ajudando-a a focar nos verdadeiros padrões que definem o mundo ao seu redor.

Resumo Técnico: Invariância em Redes Neurais Quânticas

Problema
Algoritmos Quânticos Variacionais (VQAs), especificamente Redes Neurais Quânticas (QNNs), são uma abordagem proeminente para o aprendizado de máquina em hardware quântico de curto prazo. No entanto, sua utilidade é limitada pelo número restrito de qubits, ruído e o problema do "platô estéril" (barren plateau), onde os gradientes desaparecem exponencialmente com o tamanho do sistema. Consequentemente, as QNNs são tipicamente treinadas em conjuntos de dados pequenos, levantando uma questão crítica: elas generalizam de forma eficaz a partir de poucos exemplos? Embora arquiteturas conscientes de simetria (redes equivariantes) sejam teoricamente esperadas para melhorar a generalização e a eficiência de dados ao restringir o modelo a funções invariantes, estudos anteriores tiveram dificuldade em isolar o benefício específico da simetria. Frequentemete, modelos equivariantes são comparados a bases não-equivariantes que diferem em conjuntos de portas, estrutura de circuito ou contagem de parâmetros, tornando incerto se os ganhos de desempenho decorrem da simetria ou de outras diferenças arquiteturais. Além disso, permanece incerto se o benefício provém do circuito equivariante em si ou da leitura (readout) invariante, e se esses modelos são robustos ao "aprendizado de atalhos" (shortcut learning - depender de pistas espúrias) e ao ruído realista de hardware.

Metodologia
Os autores conduzem uma investigação controlada sobre o papel da invariância em tarefas de classificação de imagens onde os rótulos são invariantes sob o grupo diedral $D_4$ (rotações por múltiplos de $90^\circ$ e reflexões). Para isolar o efeito da simetria, eles projetam um estudo comparando quatro modelos distintos de 8 qubits que compartilham:

Codificação Idêntica: Codificação de amplitude de imagens de $16 \times 16$ pixels em 8 qubits, onde $D_4$ atua via inversões de bits (bit-flips) e trocas de registradores (register swaps).
Estrutura de Circuito Idêntica: O mesmo número de camadas, parâmetros treináveis e padrões de compartilhamento de parâmetros.
Álgebras de Lie Dinâmicas (DLA) Equivalentes: Os circuitos são construídos de tal forma que suas DLAs são conjugadas e de mesma dimensão ($569$), garantindo que possuam o mesmo poder expressivo em relação às unitárias alcançáveis.

Os quatro modelos são definidos pela combinação de equivariância de circuito e invariância de leitura:

Equiv: Um circuito equivariante medido com um observável equivariante (modelo totalmente invariante).
Equiv-NoSym: O mesmo circuito equivariante medido com um observável não-equivariante (modelo não-invariante).
NonEquiv: Um circuito não-equivariante (construído conjugando o circuito equivariante com uma unitária fixa em um dos registradores) medido com um observável equivariante (modelo não-invariante).
NonEquiv-Twirled: O circuito não-equivariante mediado sobre o grupo $D_4$ (pós-processamento clássico) para impor invariância.

Os modelos são testados em quatro tarefas de classificação binária: dígitos MNIST (4 vs. 5), uma tarefa sintética (cruz vs. quadrado), Galaxy10 (face-on vs. edge-on) e glóbulos vermelhos (forma de foice vs. outros deformados). O estudo avalia o erro de generalização, a robustez ao aprendizado de atalhos (usando marcas d'água dependentes da classe e gradientes) e a resiliência a um modelo de ruído realista que simula processadores quânticos supercondutores.

Principais Contribuições e Resultados
O estudo produz seis descobertas primárias:

A Invariância Previne o Overfitting: Em todas as quatro tarefas, modelos invariantes (Equiv e NonEquiv-Twirled) treinados com tão somente 20–40 imagens exibem lacunas de generalização significativamente menores e maior acurácia de teste em comparação com modelos não-invariantes. Modelos não-invariantes tendem a sofrer overfitting nas poses específicas presentes no conjunto de treinamento.
de A Equivariância de Circuito é Insuficiente: O circuito equivariante sozinho não garante generalização. O modelo Equiv-NoSym (circuito equivariante, leitura não-equivariante) sofre overfitting na mesma medida que o modelo NonEquiv. O benefício surge apenas quando o todo o modelo (circuito + leitura) é invariante.
Custo de Aprender a Simetria: Modelos não-invariantes sofrem overfitting porque devem aprender a simetria a partir dos dados. Ao serem testados em dígitos na posição vertical (onde a orientação é fixa e informativa), o modelo não-invariante sofre muito menos overfitting, confirmando que o overfitting em configurações de poses aleatórias é o custo de inferir a restrição de simetria.
Invariância Intrínseca vs. Mediada por Média: Tanto a invariância integrada (Equiv) quanto a média de grupo clássica (NonEquiv-Twirled) previnem o overfitting. No entanto, sua acurácia depende da tarefa. O Equiv performa melhor na tarefa sintética, enquanto o NonEquiv-Twirled performa melhor nos glóbulos vermelhos. Isso é atribuído às suas diferentes classes de funções: o Equiv possui um espaço de características totalmente invariante menor, enquanto o NonEquiv-Twirled projeta um espaço maior e não-invariante sobre características invariantes.
Imunidade a Atalhos de Orientação: Quando treinados com marcas d'água de canto dependentes da classe ou gradientes de brilho (atalhos), modelos não-invariantes aprendem essas pistas espúrias e falham quando as pistas são movidas ou removidas. Modelos invariantes, incapazes de distinguir versões rotacionadas da imagem, ignoram os atalhos dependentes da posição e aprendem o conteúdo real das imagens.
Resiliência ao Ruído: A vantagem de desempenho dos modelos invariantes persiste sob modelos de ruído realistas (relaxação térmica, ruído depolarizante, erros de leitura) típicos de atuais processadores supercondutores. Embora o ruído quebre ligeiramente a simetria do modelo Equiv, a degradação é mínima (<2%) e a lacuna de generalização permanece favorável em comparação aos modelos não-invariantes.

Significância
O artigo demonstra que incorporar simetrias de tarefas em QNNs é uma estratégia viável para mitigar o overfitting e o aprendizado de atalhos no regime de dados limitados de dispositivos quânticos de curto prazo. Crucialmente, o estudo estabelece que o benefício não é inerente à estrutura do circuito equivariante sozinho, mas requer que a saída do modelo seja invariante. Ao controlar a profundidade do circuito, a contagem de parâmetros e a álgebra de Lie dinâmica, os autores mostram que a invariância atua como um poderoso viés indutivo, permitindo que modelos generalizem a partir de poucos exemplos sem depender de correlações espúrias. Estes resultados apoiam o uso de restrições de simetria no design de modelos quânticos, particularmente quando os dados rotulados são escassos, ao mesmo tempo em que destacam que a escolha específica da classe de função invariante (integrada vs. mediada por média) deve ser adaptada à tarefa específica.

Mais como este