[論文レビュー] A Convergence Theory for Over-parameterized Variational Quantum Eigensolvers

Xuchen You, Shouvanik Chakrabarti+1 more|arXiv (Cornell University)|May 25, 2022

Neural Networks and Reservoir Computing被引用数 18

ひとこと要約

本論文は、訓練ダイナミクスを単位球面上のリーマン的勾配流れに結びつけることで、過パラメータ化された変分量子固有状態ソルバー（VQEs）の最初の厳密な収束理論を確立した。効率的収束のための多項式スケーリングの閾値（システム次元およびスペクトル比に依存）を導出し、アンザッツに依存する閾値を提唱した。この閾値は、実験的テストなしにトレーニング可能性を予測可能であり、TFIおよびXXZモデルにおいて実証的に検証された。

ABSTRACT

The Variational Quantum Eigensolver (VQE) is a promising candidate for quantum applications on near-term Noisy Intermediate-Scale Quantum (NISQ) computers. Despite a lot of empirical studies and recent progress in theoretical understanding of VQE's optimization landscape, the convergence for optimizing VQE is far less understood. We provide the first rigorous analysis of the convergence of VQEs in the over-parameterization regime. By connecting the training dynamics with the Riemannian Gradient Flow on the unit-sphere, we establish a threshold on the sufficient number of parameters for efficient convergence, which depends polynomially on the system dimension and the spectral ratio, a property of the problem Hamiltonian, and could be resilient to gradient noise to some extent. We further illustrate that this overparameterization threshold could be vastly reduced for specific VQE instances by establishing an ansatz-dependent threshold paralleling our main result. We showcase that our ansatz-dependent threshold could serve as a proxy of the trainability of different VQE ansatzes without performing empirical experiments, which hence leads to a principled way of evaluating ansatz design. Finally, we conclude with a comprehensive empirical study that supports our theoretical findings.

研究の動機と目的

• 過パラメータ化された状態におけるVQE収束の理論的理解の欠如に応えること。
• VQEトレーニングダイナミクスを単位球面上のリーマン的勾配流れに結びつける厳密な数学的枠組みを確立すること。
• 効率的収束に必要なパラメータ数の十分条件を、システム次元およびスペクトル比に依存して導出すること。
• 実験的評価なしにトレーニング可能性を予測可能な、アンザッツに依存する過パラメータ化閾値を提唱すること。
• 横磁界イジングおよびXXZモデルにおける包括的な実証的検証を通じて理論を検証すること。

提案手法

• VQEトレーニングダイナミクスを単位球面上のリーマン的勾配流れとしてモデル化し、収束挙動を分析する。
• システム次元およびスペクトル比に多項式的にスケーリングする一般の過パラメータ化閾値を導出する。
• 問題の難易度を定量化し、閾値推定を支援するための効果的スペクトル比 κeff を導入する。
• 有効次元 deff に基づくアンザッツに依存する閾値を提案し、異なるアンザッツ設計におけるトレーニング可能性予測を可能にする。
• 横磁界イジングおよびXXZハミルトニアンにおける勾配ベース最適化を用い、さまざまなパラメータおよび結合強度で理論的閾値を実証的に検証する。
• 異なる N および g/Jzz 値における閾値性能を評価するために、20～100回のランダム初期化における成功確率を用いる。

実験結果

リサーチクエスチョン

• RQ1 過パラメータ化されたVQEsにおける効率的収束に必要なパラメータ数の十分条件は何か？
• RQ2 問題ハミルトニアンのスペクトル比は、過パラメータ化閾値にどのように影響するか？
• RQ3 実験的トレーニングなしにトレーニング可能性を予測可能な、アンザッツに依存する閾値を導出可能か？
• RQ4 効果的スペクトル比 κeff は、VQE最適化における収束挙動とどのように関係するか？
• RQ5 勾配ノイズおよび準位クロスイング現象に対して、収束閾値はどの程度頑健か？

主な発見

• 一般の過パラメータ化閾値は、システム次元およびスペクトル比に多項式的にスケーリングし、これらの条件下で効率的収束を保証する。
• 横磁界イジングモデルでは、一般アンザッツとは異なり、TFI2altは結合強度 g が臨界付近に近づいても、低く安定した過パラメータ化閾値を維持する。
• 有効次元 deff に基づくアンザッツに依存する閾値は、トレーニング可能性を効果的に予測でき、TFI2altは TFI3alt よりもはるかに少ないパラメータ数で十分である。
• XXZ1dモデルでは、XXZ4alt は準位クロスイングを回避し、Jzz = -1 でも低く安定した κeff を維持するため、結合強度にかかわらず安定した過パラメータ化閾値を示す。
• 実証的結果は、理論的閾値が成功確率を正確に予測できることを確認しており、閾値はランダム初期化における成功率が >98% を達成する最小の p として定義される。