[論文レビュー] Demonstration of a Quantum Circuit Design Methodology for Multiple Regression

Sanchayan Dutta, Adrien Suau+4 more|arXiv (Cornell University)|Jan 1, 2018

Quantum Computing Algorithms and Architecture参考文献 14被引用数 9

ひとこと要約

本稿では、ハロウ＝ハシディム＝ロイド（HHL）アルゴリズムに基づき、3変数の多重線形回帰問題を解くために、基本的な量子ゲートのみを用いた7キュービットの量子回路設計を提示する。この手法により、古典的手法に比べて指数的高速化の可能性が得られ、Qiskitシミュレーションにより回路の機能性が検証され、より大きなシステムへの一般化の道筋が示唆されている。

ABSTRACT

Multiple linear regression, one of the most fundamental supervised learning algorithms, assumes an imperative role in the field of machine learning. In 2009, Harrow et al. [Phys. Rev. Lett. 103, 150502 (2009)] showed that their algorithm could be used to sample the solution of a linear system $\mathbf{Ax=b}$ exponentially faster than any existing classical algorithm. Remarkably, any multiple linear regression problem can be reduced to a linear system of equations problem. However, finding a practical and efficient quantum circuit for the quantum algorithm in terms of elementary gate operations is still an open topic. Here we put forward a 7-qubit quantum circuit design, based on an earlier work by Cao et al. [Mol. Phys. 110, 1675 (2012)], to solve a 3-variable regression problem, utilizing only basic quantum gates. Furthermore, we discuss the results of the Qiskit simulation for the circuit and explore certain possible generalizations to the circuit.

研究の動機と目的

• 基本的な量子ゲートのみを用いて、多重線形回帰問題を解く実用的で効率的な量子回路を開発すること。
• HHLアルゴリズムに基づき、3変数回帰問題の具体的な量子回路実装を示すこと。
• Qiskitシミュレーションによる回路の機能性の検証とその性能分析を行うこと。
• より大きな回帰問題に対応できるように、回路設計を一般化すること。
• 理論的な量子高速化と、機械学習分野における実装可能な量子回路設計の間のギャップを埋めること。

提案手法

• 著者らは、3変数の多重回帰問題から導かれる線形方程式系 Ax = b を解くために、HHLアルゴリズムを適応させた。
• 単一キュービットゲートおよび制御NOT（CNOT）ゲートのみを用いた7キュービットの量子回路を設計し、現在のNISQ時代の量子ハードウェアと互換性を持つようにした。
• 解ベクトル x を出力状態の振幅に符号化するために、量子位相推定と制御回転操作を組み込んだ。
• Caoら（2012年）の先行研究に基づき、3変数ケースに最適化されたゲート数と回路深さを達成するように修正を加えた。
• 回路はQiskitを用いて実装・シミュレーションされ、正しさの検証と忠実度の評価が行われた。
• 著者らは回路のスケーラビリティを分析し、高次元回帰問題への拡張可能性について議論した。

実験結果

リサーチクエスチョン

• RQ1 基本的な量子ゲートのみを用いて、3変数の多重回帰問題を解く実用的な7キュービット量子回路を設計できるか？
• RQ2 Qiskitを用いたシミュレーションにおいて、提案された量子回路の性能はいかにか？その忠実度と精度は？
• RQ3 HHLアルゴリズムを、実世界の回帰タスクに適したゲートレベルの量子回路に変換するにあたり、主な課題は何か？
• RQ4 回路は、変数をより多く含む大きな回帰問題に対応できるようにどのように一般化できるか？
• RQ5 シミュレーション結果から、近い将来の量子デバイスへの実装に役立つ知見は何か？

主な発見

• 提案された7キュービットの量子回路は、基本的な量子ゲートのみを用いて、3変数の多重回帰問題に対するHHLアルゴリズムを正常に実装した。
• Qiskitシミュレーションにより、回路の機能性が確認され、正しい状態準備と解の状態抽出が行われたことが示された。
• 回路設計はゲート数と深さがコンパクトで、現在のノイズの多い中規模量子（NISQ）デバイスに適している。
• シミュレーション結果から、出力状態の忠実度が高く、量子回路設計の正しさが検証された。
• モジュラー設計原理を用いることで、高次元回帰問題への回路の拡張が可能である、スケーラブルな青写真が提供された。
• 本研究は、最適化されたゲートレベル回路設計により、現在の量子ハードウェア上で量子機械学習アルゴリズムを実装することが可能であることを示した。