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

技术摘要：量子模型的认证成本

问题陈述
目前的变分量子计算实践通常报告已训练模型的费雪几何（Fisher geometry），或基于参数量和准确率来比较模型。然而，这些指标在衡量建立这些模型所需的“成本”方面缺乏一个中性的测量单位。具体而言，很少有人会引用为了将经验费雪矩阵（empirical Fisher matrix）认证到特定相对误差所需的采样预算（即电路执行次数）。如果没有这个预算，报告的几何结构就无法进行审计。此外，目前存在一种普遍假设，即测量成本与 $p^3$ 成普适比例（其中 $p$ 是参数量），这是从小规模系统研究中外推得出的结论。本文旨在解决三个问题：在匹配估计质量的情况下，认证几何结构所需的采样成本是多少？三次方的指数是否为普适定律？如果不是，那么是什么决定了成本区间？

方法论
作者基于来自已训练模型的两个可测量量，推导出了一个闭合形式的“认证成本律”：

1. $V$（读取方差）： 单次执行模型输出估计值的方差，计算为所测量子比特的全协方差矩阵之和。
2. $G$（梯度模平方）： 参数位移法（parameter-shift）梯度的平方模。

利用坐标向参数位移估计器，作者证明了要实现经验费雪矩阵的相对 Frobenius 误差 $\varepsilon$，所需的采样数 $S$ 和电路执行次数 $B_Q$ 分别为：
$$S = \Theta\left(\frac{pV}{\varepsilon^2 G}\right), \quad B_Q = \Theta\left(\frac{B p^2 V}{\varepsilon^2 G}\right)$$
其中 $B$ 是批大小（batch size）。作者证明，在这一类估计器中，在参数间进行均匀的采样分配是最优的。

为了验证这些理论界限并研究缩放指数，本研究采用了以下手段：

• 模拟： 使用矩阵乘积态（MPS）后端处理多达 256 个量子比特的模型，并在较小系统中通过精确状态向量进行验证。
• 电路族： 分析了乘积族（无纠缠）、砖块式纠缠器（brickwork entanglers）、序列链（sequential chains）、环形纠缠器（ring entanglers）以及通过构造固定了读取光锥宽度（readout light-cone width）的“分块”纠缠器。
• 硬件执行： 在 IBM 设备（ibm_marrakesh、ibm_fez、ibm_kingston）上执行镜像电路，以测量硬件衰减和乘数。
• 预注册： 预先注册了 14 项检查。论文明确报告了哪些检查未通过，以及这些失败如何改变了结果的解释或报告方式。

核心贡献

1. 认证成本律： 一个关于认证经验费雪矩阵所需执行次数的匹配上下界。该定律使用测得的读取方差（$V$）而非假设值，这使得单个常数能够复现具有截然不同缩放指数的各类模型。
2. 证伪普适三次成本： 本文证明了广为引用的 $p^3$ 缩放并非普适定律。只有当寄存器尺寸与读取光锥相当时，才会观察到这种“有限尺寸窗口”。
3. 会计恒等式（The Accounting Identity）： 作者表明，拟合的成本指数并非架构的独立属性，而是一个由 $V$ 和 $G$ 随系统规模 $n$ 的缩放关系导出的恒等式。具体而言，该指数等于 $2 + \frac{d \log(nV)}{d \log n} - \frac{d \log(nG)}{d \log n}$（加上有限尺寸的前因子）。
4. 硬件乘数测量： 通过镜像电路测量了硬件乘数（即真实设备噪声增加采样需求的倍数），发现 IBM 设备上的取值约为 $2.07\times$ 至 $2.38\times$。

结果

• 缩放区间： 研究根据“读取光锥”识别出两个区间：
  • 光锥限制型（Cone-Limited）： 当光锥随寄存器扩大时（例如小型 $n$ 下的序列链），指数接近 3。
  • 光锥饱和型（Cone-Saturated）： 当光锥固定时（例如由硬件连通性或分块纠缠器固定），指数降至接近 2。
  • 乘积族： 经过 256 个量子比特的认证，乘积族（无纠缠）的执行指数为 $1.966$（95% 置信区间：1.934–1.997），这反驳了三次方的假设。
• 指数变异性： 对于砖块式纠缠器，指数从 $n < 10$ 时的 $2.853$降至$n > 64$时的$1.715$。对于序列链，在整个上升过程（$n=16$到$96$）中的指数为$3.032$，但当限制在$n \ge 64$时，它降至$1.758$。
• 读取权重： 使用认证最优的读取权重，在硬件上可减少 $2.67\times$ 的采样预算，且这种节省在不同量子比特数（4 到 12）下保持平稳，而非如无噪声模拟所预测的那样随规模扩大。
• 差异模型： 在小规模电路拟合的模型无法成功迁移到更大规模的电路。名义上的 90% 置信区间仅覆盖了 36% 的留出（held-out）大规模样本。分裂共形校准（Split conformal calibration）是唯一能保持近乎名义覆盖率（86.1%）的方法。
• 已注册的失败： 论文报告了几项未通过的预注册检查，包括池化回归（pooled regression）无法正确区分类别，以及差异模型无法将平均预测值迁移至校准网格之外。

意义与主张
本文声称“三次成本”是一个有限尺寸的人造产物，而非基本定律。真实的成本取决于读取方差和梯度信号的缩放方式，而这两者受读取光锥相对于寄存器大小的影响。因此，从小型模拟（其中光锥受限）中外推成本估计到大型机器（其中光锥饱和）会导致巨大的高估（例如，对于 256 量子比特的乘积族，高估倍数达 600 倍）。

作者强调，报告读取方差和梯度信号的各自缩放情况，比仅报告一个拟合的成本指数更具信息量。他们还强调，“会计恒等式”重新定义了问题：指数是 $V$ 和 $G$ 缩放方式的结果，而非独立的架构属性。最后，本研究提供了一个用于审计认证成本的实用工具（shotcost），并指出固定的设备连通性固定了光锥，使真实设备处于光锥饱和区间，从而使成本的缩放更接近 $p^2$ 而非 $p^3$。

本文对研究范围保持了审慎态度，指出其最优界限适用于坐标向参数位移策略，且针对联合单副本策略（如经典阴影法/classical shadows）的下界仍是一个开放性问题。同时，作者澄清其结果基于一维耦合拓扑和深度为 2 的电路，并不涵盖二维映射。