[論文レビュー] A deceptive step towards quantum speedup detection

Salvatore Mandrà, Helmut G. Katzgraber|arXiv (Cornell University)|Nov 4, 2017

Quantum Computing Algorithms and Architecture被引用数 11

ひとこと要約

本論文は、古典的ヒューリスティクスの挑戦を意図し、潜在的な量子優位性を露呈させる新しい合成ベンチマーク問題のクラスである「かせんクラスタループ（DCL）」を導入する。特定のパrameter設定において論理的構造が識別不能な場合、D-Wave 2000Q量子アニーリングマシンは、最先端の古典的アルゴリズム（HFSおよびPT+ICM）を2〜3桁優回し、スケーリング改善なしに量子スピードアップを初めて検出するが、依然として顕著なスケーリング優位性は観察されていない。

ABSTRACT

There have been multiple attempts to design synthetic benchmark problems with the goal of detecting quantum speedup in current quantum annealing machines. To date, classical heuristics have consistently outperformed quantum-annealing based approaches. Here we introduce a class of problems based on frustrated cluster loops - deceptive cluster loops - for which all currently known state-of-the-art classical heuristics are outperformed by the D-Wave 2000Q quantum annealing machine. While there is a sizable constant speedup over all known classical heuristics, a noticeable improvement in the scaling remains elusive. These results represent the first steps towards a detection of potential quantum speedup, albeit without a scaling improvement and for synthetic benchmark problems.

研究の動機と目的

• 既知の古典的最適化テクニックを回避し、すべての現在のヒューリスティクスにとって困難な合成ベンチマーク問題を設計すること。
• 変数の簡略化やアルゴリズム的ショートカットが適用されない問題において、現在の量子アニーリングマシンが古典的アルゴリズムを上回るかをテストすること。
• 調整可能な複雑さと非自明な論理的構造を持つ問題を用いて、実ハードウェアにおける潜在的な量子スピードアップを検出すること。
• 統計的分析、消費電力、および最先端の古典的アルゴリズムを統合したきめ細やかなベンチマークフレームワークを確立すること。

提案手法

• 著者らは、D-Wave 2000Qのチメラトポロジーにおけるセル間・セル内結合子の相対的強度を制御する調整可能なパrameter λ を持つ、いびつなクラスタループ（DCL）に基づく問題クラスを設計した。
• DCLモデルは、λ ≈ 7 の場合、地面状態がより単純な仮想問題（例えば平面的または完全結合型）から復元できないように設計されており、古典的ヒューリスティクスの利用を防いでいる。
• ベンチマークインスタンスは、制御された規定（α=0.24, R=ρ=1）に従い生成され、各ループで1つのフェロ磁性結合子を除去することで解析を簡素化しながらも、難易度を維持している。
• D-Wave 2000Qは最小アニーリング時間5 μsと100,000回の総実行（100のゲージ × 1,000回の実行）でテストされ、初期化および読み出し時間は除いて時間-解決（TTS）が計算された。
• 古典的ベンチマークには、ハムゼ-ド・フレイティス-セルビー（HFS）ヒューリスティクスと、等エネルギークラスターモードを伴う並列温度交換法（PT+ICM）が含まれ、50パーセンタイルのTTSを最小化するためにブートストラップによるスイープ回数最適化が施された。
• 統計的分析では、最後の5つのシステムサイズ（L=12から16）におけるlog₁₀(TTS)に指数関数的フィットを適用し、再サンプリングにより信頼区間を算出した。

実験結果

リサーチクエスチョン

• RQ1 すべての既知の古典的ヒューリスティクスにとって困難で、かつその背後にある論理的構造が復元できない合成ベンチマーク問題を設計できるか？
• RQ2 変数のスケーリング改善なしに、D-Wave 20000Q量子アニーリングマシンがこのような問題において、古典的アルゴリズムを顕著に上回るスピードアップを示すか？
• RQ3 どのパrameter領域（λ）においてDCLモデルが古典的ソルバーにとって認識不能となり、その領域が量子優位性と一致するか？
• RQ4 古典的ヒューリスティクスが最適化され、消費電力を考慮した場合、時間-解決（TTS）における検出可能な量子スピードアップが存在するか？
• RQ5 量子ソルバーと古典的ソルバーの性能差は、システムサイズの増大に伴って定量的に測定され、持続可能か？

主な発見

• λ ≈ 7 の場合、DCLモデルは仮想平面的モデルでも完全結合型二部グラフモデルでもなく、地面状態が古典的ヒューリスティクスによって識別・利用不能となる。
• 50パーセンタイルのTTSにおいて、D-Wave 2000QはHFSおよびPT+ICMヒューリスティクスを約2〜3桁優回し、性能を発揮した。
• 最小許容アニーリング時間5 μsを用いても、システムサイズL=6からL=16にわたり、量子アニーリングマシンは一貫したスピードアップを維持しており、古典的手法と同等のスケーリング特性を示した。
• 「破壊された」仮想変数の数（構造的複雑さの指標）はλ≈7でピークに達し、古典的復元が失敗する領域を確認した。
• log₁₀(TTS)に対する指数関数的フィットから、量子スピードアップは顕著であるが、古典的アルゴリズムと比較してスケーリング行動に顕著な改善は観察されなかった。
• 本研究は、調整可能な複雑さ、きめ細やかな統計的分析、消費電力の組み込みが量子スピードアップ検出に不可欠である、新しいベンチマークフレームワークを確立した。