[論文レビュー] Fast quantum learning with statistical guarantees.

Carlo Ciliberto, Andrea Rocchetto+2 more|arXiv (Cornell University)|Jan 28, 2020

Quantum Computing Algorithms and Architecture参考文献 30被引用数 5

ひとこと要約

この論文は、理論的には量子高速化が可能であるものの、統計的保証を伴う量子機械学習アルゴリズムが、正確性の制約がある場合、入力次元に対して多項対数時間の実行時間に到達できないことを示している。量子データへの理想的なアクセスがある場合でも、統計的サンプル複雑性が量子高速化の可能性を制限することを示しており、学習における量子優位性の仮定に疑問を呈している。

ABSTRACT

Within the framework of statistical learning theory it is possible to bound the minimum number of samples required by a learner to reach a target accuracy. We show that if the bound on the accuracy is taken into account, quantum machine learning algorithms -- for which statistical guarantees are available -- cannot achieve polylogarithmic runtimes in the input dimension. This calls for a careful revaluation of quantum speedups for learning problems, even in cases where quantum access to the data is naturally available.

研究の動機と目的

• 統計的学習理論の制約下で、量子機械学習アルゴリズムが入力次元に対して多項対数時間の実行時間を達成できるかどうかを評価すること。
• 正確性の制約が量子学習アルゴリズムの効率に与える影響を検討すること。
• データアクセスが量子的であるが、統計的保証が求められる状況において、学習問題における量子優位性の主張を再評価すること。

提案手法

• 統計的学習理論の枠組み内で、量子機械学習アルゴリズムの形式的分析。
• 目標精度を達成するために必要な最小サンプル数を制限するサンプル複雑性の境界の導出。
• これらのサンプル複雑性の境界を、量子学習アルゴリズムの実行時間分析に統合すること。
• 同じ統計的正確性要件下での古典的および量子的学習の実行時間の比較。
• 理論的境界を用いて、正確性が強制された場合に、量子高速化が依然として実現可能かどうかを評価すること。

実験結果

リサーチクエスチョン

• RQ1 統計的正確性の保証が課された場合、量子機械学習アルゴリズムは入力次元に対して多項対数時間の実行時間を達成できるか？
• RQ2 統計的学習理論からのサンプル複雑性の境界は、学習における量子高速化の可能性にどのように影響するか？
• RQ3 正確性制約が適用された場合、データへの量子アクセスが実行時間の優位性をどれほど維持できるか？

主な発見

• 正確性の制約が課された場合、統計的保証を伴う量子機械学習アルゴリズムは、入力次元に対して多項対数時間の実行時間を達成できない。
• 目標精度を達成するために必要な最小サンプル数が、量子高速化の可能性に根本的な制限をもたらす。
• 理想的な量子データアクセスがある場合でさえ、学習における量子高速化は統計的サンプル複雑性によって制限される。
• 現実的な正確性要件が課された場合、学習における理論的量子優位性は成立しない可能性がある。
• 統計的保証が問題定式化の一部である場合、学習における量子高速化の再評価が不可欠である。