[論文レビュー] Analyzing Prospects for Quantum Advantage in Topological Data Analysis

Dominic W. Berry, Yuan Su+8 more|arXiv (Cornell University)|Sep 27, 2022

Topological and Geometric Data Analysis被引用数 9

ひとこと要約

本稿では、トポロジカル・データ解析におけるベッチ数推定のための耐故障性量子アルゴリズムを提案する。ゲート複雑度を著しく低減した。カイゼル窓を用いた振幅推定、最適化されたディッケ状態準備、およびチェビシェフに基づく固有値プロジェクタを用いることで、特定のグラフクラスにおいて、ベッチ数が大きい場合に、最大で約 $2\ln n$ のルートの超多項式的高速化を達成する。古典的に困難なインスタンスを解くには、数十亿のトフォリゲートしか必要としない。

ABSTRACT

Lloyd et al. were first to demonstrate the promise of quantum algorithms for computing Betti numbers, a way to characterize topological features of data sets. Here, we propose, analyze, and optimize an improved quantum algorithm for topological data analysis (TDA) with reduced scaling, including a method for preparing Dicke states based on inequality testing, a more efficient amplitude estimation algorithm using Kaiser windows, and an optimal implementation of eigenvalue projectors based on Chebyshev polynomials. We compile our approach to a fault-tolerant gate set and estimate constant factors in the Toffoli complexity. Our analysis reveals that super-quadratic quantum speedups are only possible for this problem when targeting a multiplicative error approximation and the Betti number grows asymptotically. Further, we propose a dequantization of the quantum TDA algorithm that shows that having exponentially large dimension and Betti number are necessary, but insufficient conditions, for super-polynomial advantage. We then introduce and analyze specific problem examples which have parameters in the regime where super-polynomial advantages may be achieved, and argue that quantum circuits with tens of billions of Toffoli gates can solve seemingly classically intractable instances.

研究の動機と目的

• トポロジカル・データ解析（TDA）における量子アルゴリズムの耐故障性ゲート複雑度を低減すること、特にベッチ数推定に関して。
• ベッチ数推定において、超二次的または超多項式的量子高速化が可能となる条件を同定すること。
• トフォリゲート複雑度の定数因子を推定することで、TDAにおける量子優位性の実用的妥当性を分析すること。
• 指数的ベッチ数が量子優位性を保証するかどうかを評価するための脱量子化手法を提案すること。
• 初期の耐故障性量子ハードウェアに適した、超多項式的高速化を実現可能な具体的な問題インスタンスとパラメータを同定すること。

提案手法

• 不等式テストに基づく新規なディッケ状態準備法を用いて、状態準備の効率を向上させる。
• カイゼル窓を用いた振幅推定を適用し、クエリ数を削減するとともに、収束性を向上させる。
• 固有値プロジェクタをチェビシェフ多項式を用いて実装し、関連する部分空間の効率的フィルタリングを可能にする。
• 故障耐性ゲートセットにコンパイルし、トフォリゲート数と定数因子を詳細に推定する。
• 古典的代替手法を分析するための脱量子化手順を導入し、未知のマルコフ連鎖の混合ギャップを伴うモンテカルロサンプリングに焦点を当てる。
• クリークチェック手順を含み、アダムス・アンプリフィケーションと初期状態準備を分離することで、アタッチド・キュービットのオーバーヘッドを低減する。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、ベッチ数推定のための量子アルゴリズムが、古典的手法に対して超多項式的高速化を達成できるか？
• RQ2 超二次的高速化を達成するには、乗法的誤差近似が必要か？
• RQ3 指数的ベッチ数と高次元データが、単独で超多項式的量子優位性を保証できるか？
• RQ4 実用的問題インスタンスにおける、TDA用量子アルゴリズムの故障耐性ゲート複雑度はどの程度か？
• RQ5 未知の混合ギャップを伴うモンテカルロサンプリングに依存する場合、古典的脱量子化アプローチの複雑度は、どのように比較されるか？

主な発見

• 超多項式的高速化は、乗法的誤差近似を標的とし、ベッチ数が問題サイズとともに漸近的に増大する場合にのみ可能である。
• 改善されたディッケ状態準備とカイゼル窓振幅推定により、耐故障性トフォリゲート数が約3桁低減された。
• 大規模なベッチ数を持つ特定のグラフクラスでは、高速化が約 $2\ln n$ のルートに達し、超多項式的優位性を示している。
• 本手法は、古典的に困難なベッチ数推定インスタンスを解くには、数十億のトフォリゲートで十分であると推定している。
• モンテカルロサンプリングによる古典的脱量子化は可能かもしれないが、未知のマルコフ連鎖の混合ギャップのため、その複雑度は不確実のままである。
• 現在の実装ではクリーク探索にアダムス・アンプリフィケーションを用いているが、より効率的な古典的クリーク探索法が低アタッチド制約に適合できる場合、量子アルゴリズムの性能はさらに向上する可能性がある。