[論文レビュー] Emulating the coherent Ising machine with a mean-field algorithm

Andrew D. King, William Bernoudy+3 more|arXiv (Cornell University)|Jun 21, 2018

Quantum Computing Algorithms and Architecture参考文献 1被引用数 31

ひとこと要約

本稿では、標準的なGPUハードウェアを用いて光学的部品を算術計算に置き換えることで、協調的イジングマシン（CIM）を模倣する古典的ノイズあり平均場焼きなまし（NMFA）アルゴリズムを提案する。NMFAはイジングモデル問題においてCIMと同等の性能を達成し、100スピンスケールでNTTのCIMの20倍、スタンフォードのCIMの130倍高速に動作する。これは、CIMの計算的優位性が量子効果に起因するのではなく、効率的な平均場フィードバックに起因していることを示している。

ABSTRACT

The coherent Ising machine is an optical processor that uses coherent laser pulses, but does not employ coherent quantum dynamics in a computational role. Core to its operation is the iterated simulation of all-to-all spin coupling via mean-field calculation in a classical FPGA coprocessor. Although it has been described as "operating at the quantum limit" and a "quantum artificial brain", interaction with the FPGA prevents the coherent Ising machine from exploiting quantum effects in its computations. Thus the question naturally arises: Can the optical portion of the coherent Ising machine be replaced with classical mean-field arithmetic? Here we answer this in the affirmative by showing that a straightforward noisy version of mean-field annealing closely matches CIM performance scaling, while running roughly 20 times faster in absolute terms.

研究の動機と目的

• 協調的イジングマシン（CIM）がその性能を量子効果に依存しているのか、それとも古典的平均場ダイナミクスに依存しているのかを調査すること。
• CIMの光学的部品を、解の品質に損なわれることなく古典的計算に置き換えられるかどうかを特定すること。
• 古典的平均場アルゴリズムが、イジングモデル問題におけるCIMの成功確率およびスケーリング行動をどれだけ再現できるかを評価すること。
• 実際のCIMハードウェアと比較して、提案されたアルゴリズムの実行時間および解の品質の観点から、そのパフォーマンスをベンチマークすること。

提案手法

• スピン測定、平均場計算、フィードバックのCIMのサイクルを、[−1, 1]の連続的実数スピンを用いて模倣するノイズあり平均場焼きなまし（NMFA）アルゴリズムを実装する。
• 有効場の正規化とノイズの追加のため、平均場項Φᵢ = (hᵢ + Σⱼ Jᵢⱼsⱼ) / √(hᵢ² + Σⱼ Jᵢⱼ²) + 𝒩(0, σ)を計算する。
• スピン値をsᵢ ← α·(-tanh(Φᵢ / Tₜ)) + (1 - α)·sᵢにより更新する。ここでα < 1はフィードバック強度を制御し、Tₜは時間とともに減少する。
• ノイズ主導から平均場主導のダイナミクスへ滑らかに移行するため、3セグメントの区分的指数温度スケジュールを用いる。
• CIM実験で使用されたパrameterに固定し、直接的なパフォーマンス比較が可能なGPU上でNMFAを実行する。
• 先行CIM研究（例：Inagaki et al. 2016; Hamerly et al. 2018）の結果を再現することで、NMFAがCIM行動にどれほど忠実であるかを検証する。

実験結果

リサーチクエスチョン

• RQ1 古典的平均場アルゴリズムは、イジングモデル問題におけるCIMの解の品質およびスケーリング行動を再現できるか？
• RQ2 CIMは古典的平均場手法に比べて計算的優位性を発揮しているのか、それともその性能は効率的な古典的フィードバックに起因しているのか？
• RQ3 GPUアクセラレートされたNMFAアルゴリズムのパフォーマンスは、実際のCIMハードウェアと比較して、実行時間および解の品質の観点でどの程度か？
• RQ4 NMFAにおけるノイズとフィードバックダイナミクスは、光学的CIMで観察された挙動をどの程度再現できるか？

主な発見

• G22インスタンスにおいて、NMFAは平均13,267、最高13,325のMAX-CUT値を達成し、NTTのCIMの13,248および13,313に非常に近い。
• K₂₀₀₀完全結合インスタンスでは、NMFAは平均32,730、最高33,186を達成し、NTTのCIMの32,457および33,191と比較してほぼ同等。
• N=100の密度の高いMAX-CUTインスタンスでは、NMFAは1サンプルあたり12.3 μsで実行され、NTTのCIMの20倍、スタンフォードのCIMの130倍高速。
• SK、密度の高いMAX-CUT、次数3のMAX-CUTインスタンスにおいて、NMFAの成功確率はCIMと強く類似しており、挙動の忠実性が顕著に示されている。
• アルゴリズムの性能は、ランダム、スケールフリー、完全結合グラフを含む多様な問題タイプにおいても安定しており、CIMの結果と一貫して一致している。
• 本研究の結論として、CIMは計算において量子効果を活用しておらず、標準ハードウェアで動作する古典的平均場アルゴリズムによって同等の性能を再現可能であると結論づけられる。