Towards Fair Benchmarking of Quantum Transfer Learning for Visual Classification

本文建立了一种受控的基准测试方法，以在统一条件下公平评估多种量子迁移学习方法，结果表明没有任何单一方法具有普遍优势，并强调了在近期量子视觉分类中进行资源感知评估的迫切需求。

要点

想象一下，你正在尝试教一个非常小、非常昂贵的机器人识别图片。这个机器人（即量子计算机）功能强大，但有一个重大限制：它只有少量的“脑细胞”（量子比特），如果你让它思考得太深（深度电路），它就会感到疲惫（产生噪声）。

本文解决了一个名为量子迁移学习（QTL）的问题。可以这样理解：与其从零开始教这个小机器人识别整张图片（这对它来说太难了），不如雇佣一位巨大且经验丰富的“人类艺术家”（即经典人工智能）先来看这张图片。这位艺术家用一种简单的语言向机器人描述关键特征，而机器人只需根据该描述做出最终决策。

作者们发现的一个问题是，不同的研究团队使用不同的规则来比较他们的机器人。一个团队使用了不同的“艺术家”、不同的图片尺寸，以及与机器人沟通的不同方式。这就像仅仅因为赛车和自行车都能向前移动，就将它们进行比较；你无法判断哪一个实际上更优秀。

本文做了什么：“公平竞赛”测试

作者们制定了一套严格、公平的规则手册，用于测试五种不同的教这些小型机器人的方法。他们确保每个机器人：

1. 听取同一位“人类艺术家”（一个预训练的 ResNet18 模型）的描述。
2. 观看同一组图片（Fashion-MNIST、蚂蚁与蜜蜂，以及部分 CIFAR-10）。
3. 拥有相同的训练时间和资源。

他们测试了五种不同的“教学风格”（量子迁移学习方法）：

• DQN-QTL：机器人获得简单、直接的描述，并迅速做出猜测。
• QPIE-QTL：机器人获得更详细、多角度的描述。
• AE-CQTL：机器人试图将整个描述记忆为一个单一的复杂量子态（就像试图一口吞下一整本书）。
• PVCQTL：机器人使用一种特殊的、结构化的方式来听取描述，以捕捉隐藏的模式。
• ED-QTL：机器人由一位已经向“人类艺术家”学习过的“教师”机器人进行教导，而不是直接从原始图片中学习。

令人惊讶的结果

最大的启示是：不存在单一的“最佳”机器人。 获胜者完全取决于你交给它的任务：

• 对于结构化、黑白风格的图片（Fashion-MNIST）：“多角度”（QPIE）和“结构化聆听”（PVCQTL）方法是获胜者。它们准确，但训练时间很长（就像一个学习非常刻苦但速度很慢的学生）。
• 对于自然、色彩丰富且样本较少的图片（蚂蚁与蜜蜂）：“整本书”方法（AE-CQTL）获胜。它在区分蚂蚁和蜜蜂方面表现出色，且训练速度实际上相当快。
• 对于“教师”方法（ED-QTL）：其表现不如预期。仅仅拥有一位“教师”并不能自动让“学生”机器人变得更聪明；它需要更多的调整。

成为“聪明”的“代价”

本文强调，准确率并非一切。你必须查看“价格标签”。

• 有些方法达到了 90% 的准确率，但训练耗时数小时。
• 另一些方法达到了 89% 的准确率，但训练仅需数分钟。
• 有些方法需要更多的“脑细胞”（量子比特）来提升性能，但在某些数据集上，增加“脑细胞”反而使它们表现更差，或者毫无帮助。

核心结论

如果你正在构建面向近未来的量子系统（资源紧张），你不能仅仅选择在排行榜上得分最高的方法。你必须问自己：

1. 你在分类什么样的图片？（灰度图案 vs. 自然照片）。
2. 你有多少时间？（你需要快速的结果，还是绝对最好的结果？）。
3. 你有多少“脑细胞”？（有些方法需要更多量子比特才能良好运行，而有些则不需要）。

作者们得出结论，为了向前发展，科学家们必须停止仅仅高喊“看我有多准确！”，而应开始说：“这是我的准确率，这是我的成本，以及我擅长解决哪类问题。”本文提供了一把公平衡量所有这些因素的标尺。

技术摘要

技术摘要：迈向视觉分类量子迁移学习的公平基准测试

问题陈述
量子迁移学习（QTL）已成为在近期量子约束下用于视觉分类的一种有前景的策略，其中有限的量子比特数量、浅层电路深度和噪声操作阻碍了端到端的量子训练。在这种范式中，预训练的经典骨干网络提取高层特征，而紧凑的量子电路则作为可训练的分类头。然而，该领域缺乏统一的比较基础。现有的 QTL 研究难以相互进行基准测试，因为它们在数据集、预处理流程、骨干网络架构、量子比特预算、电路设计、优化超参数和报告协议方面存在显著差异。因此，尚不清楚性能的提升是源于迁移策略本身，还是源于混淆因素，如更强的经典骨干网络、更多的量子比特数量或更深的电路。此外，仅凭准确率无法捕捉方法的实际效用，因为具有相似预测性能的模式可能在参数数量、电路规模和训练时间上存在巨大差异。

方法论
为了解决这些不一致性，作者引入了一种受控的基准测试方法论，在统一的迁移学习流程下评估五个具有代表性的 QTL 家族。该基准测试标准化了以下要素：

• 数据集： 使用两个主要数据集：Fashion-MNIST（结构化的灰度多分类）和 Hymenoptera Ants vs. Bees（低数据量的自然图像二分类）。CIFAR-10 被纳入作为额外的、更具挑战性的自然图像设置，用于特定配置以提供配置层面的证据。
• 流程： 所有方法均利用冻结的预训练 ResNet18 骨干网络进行特征提取。提取的 512 维特征被投影或缩减为与量子兼容的向量，编码到参数化量子电路（PQC）中，并在经典读出层生成最终预测之前进行处理。
• 受控变量： 基准测试固定了骨干网络、输入预处理（调整为 224x224，ImageNet 归一化）以及训练条件（Adam 优化器、特定的学习率、批量大小和轮数限制）。
• 评估方法： 本研究比较了：
  1. DQN-QTL： 使用带有 RY 角度编码的“修饰”量子头的基线。
  2. QPIE-QTL： 一种利用每个量子比特多轴编码（RX, RY, RZ）的方法。
  3. AE-CQTL： 一种幅度编码方法，将 512 维特征向量直接映射到 9 量子比特态的幅度中。
  4. PVCQTL： 一种后变分方法，使用结构化可观测量测量（泡利可观测量）而非标准的单量子比特读出。
  5. ED-QTL： 一种集成蒸馏方法，其中量子学生模型由来自经典教师模型集成的软目标引导。
• 指标： 评估不仅限于准确率，还包括精确率、召回率、F1 分数和 ROC-AUC。至关重要的是，基准测试报告了效率指标：总可训练参数、量子参数、电路宽度（量子比特数量）、电路深度和总训练时间。

主要贡献

1. 统一基准协议： 本文建立了一个受控框架，通过冻结经典骨干网络并标准化不同方法的预处理和训练条件，从而隔离 QTL 头的贡献。
2. 全面比较： 它在相同的资源约束下，首次对五个不同的 QTL 家族（修饰型、多轴型、幅度编码型、后变分型和基于蒸馏型）进行了并排评估。
3. 多维度分析： 该研究超越了准确率，分析了预测性能、计算成本（训练时间）和架构复杂性（量子比特数量和电路深度）之间的权衡。
4. 架构敏感性： 作者系统地检查了扩展量子比特数量（4 对 6）和电路深度对性能的影响，揭示了更大或更深的电路并不能普遍改善结果。

结果
基准测试表明，没有单一的 QTL 家族能在所有设置中占据主导地位；性能高度依赖于数据集、编码策略和计算成本。

• 数据集依赖性： 在 Fashion-MNIST 上，QPIE-QTL 和 PVCQTL 变体取得了最高的准确率（分别约为 88.28% 和 88.24%）。相比之下，在 Hymenoptera Ants vs. Bees 数据集上，AE-CQTL 优于所有其他方法，准确率达到 94.99%。ED-QTL 表现出依赖于数据集的竞争力，在 Fashion-MNIST 上的表现优于 Hymenoptera。
• 扩展效应： 将量子比特数量从 4 增加到 6 提高了 DQN-QTL 和 QPIE-QTL 在 Fashion-MNIST 上的性能，但在 Hymenoptera 上未产生增益或略有下降。同样，增加电路深度显著提高了 AE-CQTL 在 Fashion-MNIST 上的表现（从 65.30% 提升至 74.98%），但在 Hymenoptera 上收益递减，因为预训练特征已经提供了强大的类别分离。
• 性能 - 成本权衡： 研究强调，高准确率并不等同于高效率。例如，PVCQTL 变体在 Fashion-MNIST 上实现了有竞争力的准确率，但产生了最高的训练时间。相反，ED-QTL 以显著更低的训练成本提供了中等准确率。AE-CQTL 在 Hymenoptera 上展示了有利的权衡，与其他高性能方法相比，它以相对高效的训练时间实现了顶尖准确率。

意义与主张
本文主张，其主要意义在于将 QTL 的评估从孤立的准确率报告转向资源感知、多维度的分析。作者认为，对于近期量子设备而言，QTL 方法的效用不仅由其预测能力定义，还由其在严格资源约束下的效率和可扩展性定义。

研究结果表明，选择 QTL 配置需要将方法与特定的目标约束和数据集特征相匹配。例如，当深度扩展可行且数据集受益于高维编码时，幅度编码方法（AE-CQTL）可能更可取，而角度编码基线（DQN-QTL）对于有限的量子比特预算仍然是稳健的紧凑选项。作者总结道，未来的 QTL 研究必须优先考虑受控比较，联合报告性能、电路规模、参数数量和训练时间，以为混合量子 - 经典模型的选择提供可操作的指导。