[論文レビュー] Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits

Kaining Zhang, Liuming Liu+2 more|arXiv (Cornell University)|Mar 17, 2022

Quantum Computing Algorithms and Architecture被引用数 24

ひとこと要約

本論文は、分散が ~1/L のガウス初期化が深層変分量子回路における barren plateau（勾配消失が生じやすい状態）の回避を可能にし、局所および全体観測に対して勾配ノルムが多項式的に減衰することを示し、測定ノイズを考慮した訓練保証を提供します。

ABSTRACT

Variational quantum circuits have been widely employed in quantum simulation and quantum machine learning in recent years. However, quantum circuits with random structures have poor trainability due to the exponentially vanishing gradient with respect to the circuit depth and the qubit number. This result leads to a general standpoint that deep quantum circuits would not be feasible for practical tasks. In this work, we propose an initialization strategy with theoretical guarantees for the vanishing gradient problem in general deep quantum circuits. Specifically, we prove that under proper Gaussian initialized parameters, the norm of the gradient decays at most polynomially when the qubit number and the circuit depth increase. Our theoretical results hold for both the local and the global observable cases, where the latter was believed to have vanishing gradients even for very shallow circuits. Experimental results verify our theoretical findings in the quantum simulation and quantum chemistry.

研究の動機と目的

• 深層変分量子アルゴリズム（VQAs）における barren plateau の問題を動機づけ、対処する。
• exponential な勾配の消失を防ぐ理論的保証を持つガウス初期化戦略を提案する。
• 局所および全体観測、相関したゲートパラメータを含む分析を拡張し、ノイズ付き勾配推定を考慮する。
• 量子シミュレーションと量子化学タスクでの経験的検証を提供する。

提案手法

• L層・N量子ビット回路に対して分散 gamma^2 = O(1/L) のガウス分布初期パラメータを分析する。
• 局所観測下での期待勾配ノルムの下界を示す： E[||∇θ f||^2] ≥ L/(S^S (L+2)^{S+1}) Tr[σ_j ρ_in]^2（定理4.1）。
• グローバル観測および相関ゲートへフレームワークを拡張し、零起点勾配に関連する境界を与える（定理4.2）。
• 測定ノイズ下での勾配推定を定量化し、コロラリーを導出する： O(L/ε) 回の測定で大きな勾配を保証可能（コロラリー4.3）。
• 局所・全体観測および多様なゲート構造を用いた例を挙げて理論を補強する。
• Gaussian 初期化を用いたHeisenbergモデルおよび LiH 分子の数値実験を通じて検証する。

実験結果

リサーチクエスチョン

• RQ1 Gaussian 初期化で分散 O(1/L) は局所観測を用いる深い VQA における barren plateau を防げるか？
• RQ2 グローバル観測および相関パラメータゲートにも同様の勾配保証が拡張されるか？
• RQ3 測定ノイズは勾配推定にどう影響し、訓練可能性を維持するために必要な測定数はどれくらいか？
• RQ4 Gaussian 初期化は量子シミュレーションおよび量子化学タスクにおける実用的な訓練性能を改善するか？

主な発見

• L層/N量子ビット回路で独立パラメータと局所観測の場合、gamma^2 = O(1/L) のガウス初期化は E[||∇θ f||^2] ≥ poly(N,L)^{-1} を満たす（定理4.1）。
• 勾配ノルムの境界は全体観測と相関ゲートにも拡張される（定理4.2）。
• コロラリー4.3はノイズ下で大きな勾配を保証するために O(L/ε) 測定が十分であることを示す。
• Heisenbergモデルおよび LiH 分子の実験は、ガウス初期化が収束速度と最終損失の点で一様初期化を上回ることを示す。
• 零初期化は正確な勾配の取得が難しい場合があるが、測定ノイズによって分散蓄積を促し訓練を導く可能性がある。
• 適応的ノイズ勾配シナリオは、報告されたタスクにおいてノイズなし勾配と同程度の収束性を示す。