ID PROJEKTU: QNT-2025 // KWANTOWE UCZENIE MASZYNOWE

QC1: Sprzętowo Wydajny VQC dla IQM Spark

QC1 to główny projekt badawczy Axion: odtwarzalny, sprzętowo świadomy program kwantowego uczenia maszynowego zbudowany wokół IQM Spark ODRA 5. Zespół wyszedł poza pojedynczą deklarację dokładności i przygotował pełną ramę ewaluacji uwierzytelniania banknotów, porównując ansatz CRX/CRY projektowany pod symulator z natywną dla ODRA konstrukcją RZ/CZ pod kątem kosztu kompilacji, proxy wierności, diagnostyk ekspresyjności, szumowej walidacji krzyżowej i bezpośredniego działania na fizycznym QPU.

Projekt Flagowy ODRA 5 IQM Spark Kwantowe ML Zaprezentowane na IEEE qCCL 2026

Zobacz Repozytorium

Dokładność na QPU dla L=4

0 pp

Średnia Przewaga vs Ansatz Symulatorowy dla L=4

Redukcja Głębokości Po Kompilacji dla L=6

Osie Ewaluacji

[01]

Program Badawczy

Od Klasyfikatora do Metodologii

Benchmark wykorzystuje zbiór UCI Banknote Authentication jako kompaktowe, mierzalne zadanie klasyfikacji binarnej dla sprzętu NISQ. Aktualny potok dodaje piątą cechę interakcyjną, skaluje wejścia do zakresu kodowania kątowego i ewaluuje pięciokubitowe konstrukcje VQC zarówno względem dokładnego odniesienia statevector, jak i na sprzęcie IQM Spark ODRA 5.

Zbiór danych 1372 próbki UCI banknote, 4 cechy falkowe plus interakcja wariancja x skośność

Kodowanie Pięć przeskalowanych cech mapowanych na pięć kubitów przez kodowanie kątowe

Sprzęt IQM Spark ODRA 5 na Politechnice Wrocławskiej

Główny Wniosek

Na fizycznym sprzęcie natywny dla ODRA ansatz RZ/CZ nie jest tylko czytelniejszy po transpile'owaniu; zmienia wynik końcowy. Dla głębokości L=4 dopasowany model osiąga 87,6% dokładności i F1=0,846 na IQM Spark, wobec 74,5% dokładności i F1=0,583 dla wariantu projektowanego pod symulator w tym samym protokole ewaluacji.

Porównywane Ansatze Natywny dla ODRA pierścień RZ/CZ vs pierścień CRX/CRY projektowany pod symulator

Kontrolowany Protokół Te same foldy, próbki testowe, głębokość, checkpointy i ustawienia transpile'owania

Interpretacja Projektowanie natywne dla sprzętu jest oceniane jako warunek wykonania NISQ, nie jako izolowana metryka symulatorowa

[02]

Wystąpienie Konferencyjne

2026 IEEE International Conference on Quantum Control, Computing, and Learning

Hardware-Efficient Ansatz Design and Noise-Aware Analysis of a Variational Quantum Classifier for IQM Spark

Abstrakt QC1 przeszedł recenzję i został przyjęty na wystąpienie ustne na IEEE qCCL 2026 w Aalborgu w Danii, w sesji Quantum Machine Learning. Wystąpienie przedstawiło sprzętowo wydajny projekt ansatzu, pięcioosiową ramę ewaluacji oraz wyniki z fizycznego QPU ODRA 5 opisane na tej stronie. Dostęp do procesora kwantowego zapewniło Wrocławskie Centrum Sieciowo-Superkomputerowe, a badania prowadzono w Katedrze Sztucznej Inteligencji Politechniki Wrocławskiej.

Autorzy: Iwo Wojtakajtis, Maria Płatek, Rafał Balicki, Karina Leśkiewicz, Michał Szczęsny, Tomasz Kajdanowicz
Konferencja: IEEE qCCL 2026
Termin: July 1-3, 2026
Miejsce: Aalborg, Denmark
Status: Przyjęte na wystąpienie ustne

[03]

Mapa Eksperymentów i Branchy

QC1 rozwijał się przez wiele branchy i ścieżek eksperymentalnych. Publiczne repozytorium konsoliduje dziś tę pracę w instalowalny pakiet, notebooki, skrypty sprzętowe, checkpointy i artefakty wynikowe.

eda / prototype

Dane i Pierwsze Prototypy VQC

Analiza eksploracyjna, wczesne kodowanie kątowe i pierwsze notebooki klasyfikatora hybrydowego ustaliły benchmark banknotów oraz pętlę modelowania.

dnn

Klasyczne Punkty Odniesienia

Branch DNN oraz notebook klasycznego ML na mainie dały kontekst dla zbioru danych i utrzymały część kwantową przy mierzalnych punktach odniesienia.

ansatz / wytrenowane_modele

Rodziny Ansatzów i Checkpointy

Warianty ansatzów projektowane pod symulator i dostosowane do ODRA były trenowane, porównywane i zapisywane jako wagi do kolejnych badań.

fold_training / Szum

Szumowa Walidacja Krzyżowa

Pięciofoldowy trening i przebiegi z fenomenologicznym szumem wartości oczekiwanej sprawdziły, czy ansatze są odporne, czy tylko dopasowane do idealnej symulacji.

depth_6 / sim_6

Skalowanie Głębokości

Przebiegi dla głębokości 2, 4 i 6 skwantyfikowały zmiany parametrów, głębokości po kompilacji, liczby bramek i wrażliwości na szum wraz ze wzrostem obwodów.

Dania

Badania Wyłącznie na QPU

Izolowany branch zebrał fizyczne notebooki IQM Spark dla wierności, ewaluacji powtarzanych strzałów, testów modeli oraz porównań ansatzów i głębokości.

main

Czysty Pakiet i Artefakty Wynikowe

Aktualny mainline pakuje wspólną logikę w qbanknote, dodaje testy smoke, skrypty metryk IQM, workflow KL/Meyer-Wallach, notatki metodologiczne oraz udostępnione artefakty wynikowe.

[04]

Natywny ODRA vs Projektowany pod Symulator

Główne porównanie QC1 nie pyta tylko, który obwód najlepiej trenuje się w notebooku. Pyta, który ansatz przetrwa przejście od idealnego obwodu do natywnego zestawu bramek i realiów kalibracji IQM Spark.

Klasyfikacja na fizycznym QPU dla L=4

ODRA 87.6% accuracy / F1 0.846

SIM 74.5% accuracy / F1 0.583

Średnie z pięciu foldów przy tych samych foldach, próbkach i protokole strzałów. Ansatz dopasowany do sprzętu wygrywa w każdym foldzie, ale margines na fold waha się od 4,3 do 21,1 pp.

Fizyczna głębokość po kompilacji dla L=6, poziom optymalizacji 1

ODRA 127

SIM 263

Redukcja głębokości po kompilacji o 51,7% dla obwodu natywnego ODRA.

Natywne bramki dwukubitowe dla L=6

ODRA 60

SIM 87

Projekt natywny ODRA unika dużej części narzutu dekompozycji.

Estymowane proxy wierności dla L=4

ODRA 61.56%

SIM 47.84%

Wyższa estymowana niezawodność fizyczna jest spójna z różnicą w klasyfikacji sprzętowej.

Diagnostyka ekspresyjności KL

ODRA Better at L=4 and L=6

SIM Better at L=2 and L=8

Sama ekspresyjność nie przewiduje wydajności na fizycznym QPU.

[05]

Pięcioosiowa Rama Ewaluacji

Oś 01

Koszty Zasobów po Kompilacji

Fizyczna głębokość, całkowite liczby bramek i natywne bramki dwukubitowe po transpile'owaniu do IQM Spark.

Oś 02

Proxy Wierności

Złożone estymaty niezawodności fizycznej z użyciem kanałów błędu jedno- i dwukubitowego oraz pomiaru.

Oś 03

Diagnostyki Ekspresyjności

Dywergencja KL względem prawa wierności par Haar oraz workflow Meyer-Wallach dla zachowania rodzin obwodów.

Oś 04

Optymalizacja Świadoma Szumu

Pięciofoldowa walidacja krzyżowa w warunkach idealnych i z fenomenologicznym szumem wartości oczekiwanej oraz diagnostyki LED.

Oś 05

Pełne Przebiegi na QPU

Fizyczna ewaluacja IQM Spark z pilotowymi i finalnymi harmonogramami strzałów, powtórzeniami, odniesieniami statevector i porównaniami sparowanymi na poziomie foldów.

Zespół Badawczy