[論文レビュー] Chook -- A comprehensive suite for generating binary optimization problems with planted solutions

Dilina Perera, Inimfon Akpabio+5 more|arXiv (Cornell University)|May 28, 2020

Quantum Computing Algorithms and Architecture参考文献 22被引用数 11

ひとこと要約

Chook は、タイル植え込み、ウィシャルト植え込み、方程式植え込み、だましのクラスタループといった複数の技術を用いて、埋め込み解をもつバイナリ最適化問題を生成するオープンソースの Python ツールキットである。これにより、調整可能な問題の難易度と高次相互作用のサポートが可能となり、多様なグラフトポロジーにおける古典的および量子最適化アルゴリズムのベンチマークに統合的かつクロスプラットフォームで対応できる環境を提供する。

ABSTRACT

We present Chook, an open-source Python-based tool to generate discrete optimization problems of tunable complexity with a priori known solutions. Chook provides a cross-platform unified environment for solution planting using a number of techniques, such as tile planting, Wishart planting, equation planting, and deceptive cluster loop planting. Chook also incorporates planted solutions for higher-order (beyond quadratic) binary optimization problems. The support for various planting schemes and the tunable hardness allows the user to generate problems with a wide range of complexity on different graph topologies ranging from hypercubic lattices to fully-connected graphs.

研究の動機と目的

• 古典的および量子最適化アルゴリズムを評価するための、スケーラブルで、調整可能な難易度のベンチマーク問題（既知の最適解を有する）の需要に対処すること。
• 複数の解の植え込み技術を統合し、単一でアクセス可能で拡張可能な Python ベースのフレームワークを提供すること。
• 正方（2-局所）および高次（k-局所、k > 2）バイナリ最適化問題を、格子や完全結合グラフを含むさまざまなグラフ構造でサポートすること。
• 研究者が複雑さを制御可能な問題を生成し、最適化器の系統的比較や計算的相転移の理論的考察に役立てるための支援をすること。
• 離散的結合子、ゲージ変換、およびループ-ノード比や粗さといった構成可能なパラメータを提供することで、再現性のあるベンチマークを促進すること。

提案手法

• Chook は、タイル植え込み（格子ベースの部分問題用）、ランダム行列理論を用いたウィシャルト植え込み、ねじれを引き起こす複雑性をもたらすだましのクラスタループ、k-XORSAT定式化による方程式植え込みといった、複数の解の植え込み方式を実装している。
• INI スタイルの設定ファイルを用いたモジュラーな部分問題仕様システムにより、低次部分問題を組み合わせることで、k > 2 の高次相互作用をサポートする。
• 工具はイジングスピン変数（s_i ∈ {±1}）を用い、HOBO 問題定式化のための変換 s_i = 1 - 2x_i によりブール変数（x_i ∈ {0,1}）にマッピングする。
• だましのクラスタループ問題におけるループ-ノード比 α、粗さ R、スケーリング係数 λ といったパラメータを用いて、問題の難易度を制御できる。
• ラダマッハサンプリングを用いて離散的結合子をサポートし、埋め込み基底状態を隠すためにゲージランダマイゼーションを含む。
• ハイパーキュービック格子から完全結合グラフまで、多様なグラフトポロジーをサポートし、システムサイズと結合構造を構成可能にしている。

実験結果

リサーチクエスチョン

• RQ1 既知の解を有するバイナリ最適化問題に対して、複数の解の植え込み技術を統合する統一フレームワークをどのように設計できるか。
• RQ2 合成ベンチマーク問題において、システムサイズやトポロジーとは独立して、問題の難易度をどの程度まで調整可能にすることができるか。
• RQ3 タイル植え込み、ウィシャルト、だましのクラスタループといった異なる植え込み手法が、得られる最適化問題の計算的複雑性と構造にどのように影響を与えるか。
• RQ4 k > 2 の高次相互作用が、埋め込み解が用いられた場合に最適化アルゴリズムの性能と挙動に及ぼす影響は何か。
• RQ5 1 つのソフトウェアツールが、多様なグラフトポロジーにわたり、2-局所および高次相互作用を効果的にサポートしつつ、構成可能性と使いやすさを維持できるか。

主な発見

• Chook は、タイル植え込み、ウィシャルト植え込み、だましのクラスタループ、方程式植え込みといった複数の解の植え込み技術を、オープンソースの Python パッケージとして統合に成功した。
• 低次部分問題を組み合わせることで、k > 2 の k-局所相互作用まで対応可能な問題の生成をサポートし、高次ベンチマークを可能にした。
• ループ-ノード比 α、粗さ R、スケーリング係数 λ といったパラメータにより、問題の難易度を調整可能で、複雑さを系統的に制御できる。
• 正方格子や立方格子、16×16 までのチメラグラフ、完全結合グラフを含む、多様なグラフトポロジーをサポートし、システムサイズ N を構成可能にしている。
• ラダマッハサンプリングにより離散的結合子を生成でき、ゲージ変換により埋め込み基底状態を隠すことができ、ベンチマークにおける現実性が向上した。
• Chook は PyPI および GitHub を通じて配布され、クロスプラットフォーム互換性を備え、モジュラリティと再現性を確保する INI スタイルの設定ファイルに基づくインターフェースを提供している。