[論文レビュー] Approximate complex amplitude encoding algorithm and its application to data classification problems
本稿では、忠実度に基づく最適化と古典的シャドウ技術を用いて、複素数値の古典的データを量子状態に効率的に符号化する、変分量子アルゴリズムである近似複素振幅符号化（ACAE）を提案する。この手法により、深さの小さい量子回路でハダマード分類器をコンactに実装可能となり、正確な方法に比べて回路の深さを低減した。アイrisデータセットの分類およびクレジットカード不正検知の両方で成功を収めた。
Quantum computing has a potential to accelerate the data processing efficiency, especially in machine learning, by exploiting special features such as the quantum interference. The major challenge in this application is that, in general, the task of loading a classical data vector into a quantum state requires an exponential number of quantum gates. The approximate amplitude encoding (AAE) method, which uses a variational means to approximately load a given real-valued data vector into the amplitude of a quantum state, was recently proposed as a general approach to this problem mainly for near-term devices. However, AAE cannot load a complex-valued data vector, which narrows its application range. In this work, we extend AAE so that it can handle a complex-valued data vector. The key idea is to employ the fidelity distance as a cost function for optimizing a parameterized quantum circuit, where the classical shadow technique is used to efficiently estimate the fidelity and its gradient. We apply this algorithm to realize the complex-valued-kernel binary classifier called the compact Hadamard classifier, and then give a numerical experiment showing that it enables classification of Iris dataset and credit card fraud detection.
研究の動機と目的
- 既存の近似振幅符号化（AAE）手法が実数値データにしか対応できないという制限を克服し、複素数値データに拡張すること。
- 複素数値データのための効率的な量子状態準備を可能にし、コンパクトなハダマード分類器（CHC）や量子化学シミュレーションなどの応用に不可欠である。
- 忠実度に基づくコスト関数と効率的な勾配推定を用いて、スケーラブルで浅い回路による複素振幅の符号化手法を開発すること。
- アイrisやクレジットカード不正検知といった実世界のデータセットを用いて、低ゲート数の量子回路で実用的な分類性能を示すこと。
提案手法
- アルゴリズムはパラメータ化された量子回路を用いて、複素振幅を持つターゲット状態に近いモデル量子状態を準備する。
- AAEで用いられるMMDに基づくコスト関数を、ターゲット状態とモデル状態の複素振幅の違いを捉えるのに適した忠実度に置き換える。
- ランダムなクリフォードユニタリを用いた古典的シャドウを活用し、忠実度とその勾配を効率的に推定することで、リソースのオーバーヘッドを低減する。
- テストデータをアダカの量子ビットの振幅に符号化し、アダマール回転を介して測定することで分類結果を抽出する、コンパクトなハダマール分類器（CHC）と統合する。
- 効率的な古典的シャドウサンプリングを活用して、忠実度コスト関数に基づく勾配降下法による最適化を実施し、スケーラブルな評価を実現する。
- 回路アーキテクチャは $ n + m + 1 $ 量子ビットで構成され、$ n $ と $ m $ はそれぞれトレーニングデータとテストデータの次元を表す。
実験結果
リサーチクエスチョン
- RQ1浅い回路を用いて、変分量子アルゴリズムが複素数値の古典的データを量子振幅に効率的に符号化できるか。
- RQ2状態準備の過程で複素振幅の差を捉える際に、忠実度に基づく最適化がMMDに基づく最適化を上回るか。
- RQ3ACAEが実世界の分類タスクに適した、低深さのコンパクトなハダマール分類器の実装を可能にするか。
- RQ4ACAEに基づく分類器はアイrisやクレジットカード不正検知といったベンチマークデータセットでどの程度の性能を示すか。
- RQ5特に勾配消失の問題に起因する、忠実度に基づく最適化が大規模な量子系にスケーリングする際の課題は何か。
主な発見
- ACAEアルゴリズムは $ \mathcal{O}(\text{poly}(n)) $ ゲートを用いて複素数値データを量子状態に符号化でき、近位量子デバイスにおける効率的な状態準備を可能にする。
- 忠実度をコスト関数として用いることで、位相や複素構造に敏感でないMMDベースの手法とは異なり、複素振幅の差を正確に捉えることができる。
- 数値実験の結果、ACAEに基づくコンパクトなハダマール分類器はアイrisデータセットの全8件のテストインスタンスを正しく分類し、$ \langle \sigma_z^{(\text{A})} \rangle $ の値が正しいクラスラベルを示した。
- クレジットカード不正検知においても、全8件のテストサンプル（正常4件、不正4件）を正しく識別し、$ \langle \sigma_z^{(\text{A})} \rangle $ の値が正しい符号を示した。
- 元のCHCは正確な状態準備に指数的多数のゲートを必要とするが、本手法はその必要を低減した。
- 本研究では、忠実度に基づく最適化における勾配の指数的減少に起因するバーレンプレートの問題が、ACAEを大規模システムにスケーリングする際の主要な課題であると特定した。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。