[論文レビュー] A statistical mechanics approach to the factorization problem

P. Henelius, S. M. Girvin|arXiv (Cornell University)|Feb 7, 2011

Computability, Logic, AI Algorithms参考文献 4被引用数 6

ひとこと要約

この論文は、指数的広がりを持つ結合を有する、断片的で長距離相互作用を持つイジングスピン模型に整数の素因数分解をマッピングし、標準的なモンテカルロ法および量子アニーリング法が、極端に粗いエネルギー障壁と局所的エネルギー構造の欠如により、指数的にスケーリングすることを示している。地面状態に素因数を符号化するように設計されたモデルでも、テストされたすべての古典的および量子アルゴリズムは、ランダムサーチと同等の性能にとどまり、統計力学的手法による効率的解法の根本的障壁を浮き彫りにしている。

ABSTRACT

We map the problem of finding the prime factors of an integer to the statistical physics problem of finding the ground state of a long-range Ising-like model. As in the strongly disordered Newman-Stein (NS) spin-glass model, the bond distribution is exponentially wide and grows with system size, but unlike the NS model we find that it is not wide enough for a greedy algorithm to be applicable. On the other hand, we also find that the frustration and exponential width of the bond distribution renders classical and quantum annealing and tempering methods no faster than a random search for this challenging model.

研究の動機と目的

• 整数の素因数分解を、素因数の2進数表現を表すイジングスピンを用いて統計力学的問題に再定式化すること。
• 既存のモンテカルロ法および量子アニーリング法が、このマッピングを通じて素因数分解問題を効率的に解けるかどうかを調査すること。
• 構造的性質を持つにもかかわらず、標準的な最適化手法がこの問題でなぜ失敗するのかを理解すること。
• この高レベルの断片的で長距離相互作用を持つスピン系において、グリーディアルゴリズム、温度調整法、量子アニーリングの実行可能性を評価すること。
• 複雑な最適化問題における基底状態アルゴリズムのテストのベンチマークとして、このモデルを確立すること。

提案手法

• 各素因数を2進スピンの列として表現し、積制約 $ q = \sum_{i,j} 2^{i+j} S^1_i S^2_j $ が長距離イジングハミルトニアンを形成する。
• コスト関数 $ H_m = \left| q - \sum_{i,j} 2^{i+j} S^1_i S^2_j \right|^m $ を定義し、$ m=1,2 $ として、モンテカルロシミュレーションの有効ハミルトニアンとして用いる。
• 単一スピン更新を用いた古典的マルコフ連鎖モンテカルロ、並列温度調整法、重要度サンプリングを用いてエネルギー障壁を探索する。
• 経路積分モンテカルロを用いて虚時間量子アニーリングを実装し、横磁場項を導入して量子トンネル効果を駆動する。
• ハイブリッドハミルトニアン $ H = s|q - \text{product}| + (s-1)h\sum(S^+_i + S^-_i) $ を用いて、量子アニーリングのダイナミクスを模擬する。
• 系のサイズ $ n $ に対する収束時間のスケーリングをテストし、基底状態を30%の確率で見つけるまでのMCステップ数を測定する。

実験結果

リサーチクエスチョン

• RQ1 整数の素因数分解問題は、基底状態が既知の統計力学的モデルに効果的にマッピング可能か？
• RQ2 他の不規則系と同様に、広い結合分布のおかげでグリーディアルゴリズムがこのモデルで成功するのか？
• RQ3 複雑なエネルギー障壁にもかかわらず、古典的アニーリングまたは温度調整法が基底状態を効率的に見つけられるか？
• RQ4 虚時間経路積分シミュレーションによる量子アニーリングは、古典的手法よりもスケーリングを改善できるか？
• RQ5 このモデルに有限温度のスピンガラス転移が存在するか？ その場合、基底状態が安定化される可能性があるか？

主な発見

• テストされたすべての古典的および量子アニーリング法が、系のサイズに指数的に依存してスケーリングし、ランダムサーチと同等の性能にとどまる。
• 単一スピンの反転によるエネルギー変化が指数的に広がった分布を示し、標準的な重要度サンプリングが無効になり、ランダムサーチに類似する。
• 結合強度の分布は指数的に広がっているが、それほど広くないため、グリーディアルゴリズムでさえ、近似的にさえ成功できない。
• スピン空間に局所的構造が存在しない：非常に似たスピン配置でもエネルギーが著しく異なるため、局所的エネルギー滑らかさの仮定が崩れる。
• 基底状態エネルギーは構成上既知であるため、このモデルは基底状態アルゴリズムのテストに強力なベンチマークとなる。
• 基底状態を発見するためのMCステップ数のスケーリングは、量子アニーリングシミュレーションでさえも指数的のままであり、この定式化では多項式的加速が得られないことが示唆される。