[論文レビュー] A Lie Algebraic Theory of Barren Plateaus for Deep Parameterized Quantum Circuits

Michael Ragone, Bojko Bakalov+5 more|arXiv (Cornell University)|Sep 17, 2023

Quantum Computing Algorithms and Architecture被引用数 20

ひとこと要約

この論文は、深くパラメータ化された量子回路の損失の分散を正確に計算する一般的な李代数フレームワークを導入し、表現力、データエンタングルメント、局所性、およびノイズを枯渇平坦化の要因として統合します。

ABSTRACT

Variational quantum computing schemes train a loss function by sending an initial state through a parametrized quantum circuit, and measuring the expectation value of some operator. Despite their promise, the trainability of these algorithms is hindered by barren plateaus (BPs) induced by the expressiveness of the circuit, the entanglement of the input data, the locality of the observable, or the presence of noise. Up to this point, these sources of BPs have been regarded as independent. In this work, we present a general Lie algebraic theory that provides an exact expression for the variance of the loss function of sufficiently deep parametrized quantum circuits, even in the presence of certain noise models. Our results allow us to understand under one framework all aforementioned sources of BPs. This theoretical leap resolves a standing conjecture about a connection between loss concentration and the dimension of the Lie algebra of the circuit's generators.

研究の動機と目的

• 変分量子アルゴリズムにおける枯渇平坦化(BPs)を動機づけ、定量化する。
• ダイナミカル李代数(DLA)に基づく単一の李代数フレームワークの下で、異なるBP源を統合する。
• 広範な条件とノイズ設定の下で、損失分散の正確な表現を提供する。
• 損失集中をDLAの次元と一般化エンタングルメントおよび局所性の概念に結びつける。

提案手法

• パラメータ化された回路を U(θ)=∏l e^{iHl θl} とモデルし、生成子 Hl は i𝔲(2^n) に属する。
• ダイナミカル李代数𝔤を {iHl} の李閉包として定義し、𝔤=𝔤1⊕…⊕𝔤k、𝔤k が交換法則を持つ（アベリアン）と分解する。
• 深さが深い場合、G=e^{𝔤} 上のε近似2-designを用いて、Weingarten計算でパラメータ平均量を算出する。
• 𝔤-purity 𝒫𝔤(H)=Tr[H𝔤^2] を、Hを𝔤ℂへ射影した H𝔤 を介して導入し、分散を一般化エンタングルメントと局所性に結びつける。
• 損失の平均と分散を正確に与える定理1を証明する: E[ℓθ]=Tr[ρ𝔤k O𝔤k] および Var[ℓθ]=∑_{j=1}^{k-1} 𝒫𝔤j(ρ)𝒫𝔤j(O)/dim(𝔤j)。
• ノイズをSPAMおよびコヒーレント誤差を通じて扱い、𝔤-purityと局所性に対する代数的デコヒーレンス効果を示す。

実験結果

リサーチクエスチョン

• RQ1 深部パラメータ化量子回路の損失分散を厳密に計算できる条件は何か？
• RQ2 表現力（DLA次元）、一般化エンタングルメント（𝒫𝔤）、測定の一般化局所性は枯渇平坦化にどのように影響するか？
• RQ3 SPAMとコヒーレントノイズは同一の李代数フレームワーク内で損失分散をどのように変えるか？
• RQ4 単一のフレームワークは一般的なアーキテクチャに対して、既知のBP源（表現力、局所性、エンタングルメント、ノイズ）を統一できるか？
• RQ5 回路が2-designを形成する時期と必要な層数の含意は何か？

主な発見

• 損失の平均はDLAの中心 𝔤k によって決まり、𝔤に中心が存在しない場合は消失することがある。
• 損失分散は非中心の単純成分𝔤jの総和であり、次元 dim(𝔤j)とρおよびOの𝔤-purityでスケールされる。
• 枯渇平坦化は、DLAの次元が指数的に大きい場合、または1/𝒫𝔤(ρ)または1/𝒫𝔤(O)がΩ(b^n)のスケールで増大する場合に生じる。
• 深い回路で多項式にスケールするDLAsは、表現力だけでBPを必ずしも生むとは限らず、初期状態のエンタングルメントと局所性が役割を果たす。
• ノイズは𝒫𝔤(ρ)と𝒫𝔤(O) に影響を与える代数的デコヒーレンスを介して集中化を誘発または抑制し、コヒーレント誤差はDLAを拡大して表現力を高めることがある。
• 本研究は境界ではなく厳密な分散表現を提供し、単一のフレームワーク内でBPの起源を定量化する方法を示している。