[論文レビュー] Highly parallel algorithm for the Ising ground state searching problem

A. Yavorsky, L. A. Markovich+2 more|arXiv (Cornell University)|Jul 11, 2019

Quantum Computing Algorithms and Architecture参考文献 50被引用数 4

ひとこと要約

この論文では、初期状態をランダムに選択し、平均場降下と焼きなまし法を組み合わせることでイジング模型の基底状態を探索する、非常に並列なアルゴリズムMARSを提案する。大規模なイジング系およびMAX-CUTベンチマークにおいて、古典的焼きなまし法、NMFA、SimCIMを凌駕する優れた性能を発揮し、低コストの単一実行を大規模に並列化することで、解の品質と計算速度の両面で優れている。

ABSTRACT

Finding an energy minimum in the Ising model is an exemplar objective, associated with many combinatorial optimization problems, that is computationally hard in general, but occurs in all areas of modern science. There are several numerical methods, providing solution for the medium size Ising spin systems. However, they are either computationally slow and badly parallelized, or do not give sufficiently good results for the large systems. In this paper, we present a highly parallel algorithm, called Mean-field Annealing from a Random State (MARS), incorporating the best features of the classical simulated annealing (SA) and Mean-Field Annealing (MFA) methods. The algorithm is based on the mean-field descent from a randomly selected configuration and temperature. Since a single run requires little computational effort, the effectiveness can be achieved by massive parallelisation. MARS shows excellent performance both on the large Ising spin systems and on the set of exemplary maximum cut benchmark instances in terms of both solution quality and computational time.

研究の動機と目的

• イジング模型の基底状態を求める計算の難易度に対処すること。これは物理学、最適化、機械学習の分野に広く応用される代表的なNP困難問題である。
• 大規模なイジングスピン系および組合せ最適化問題において、既存手法の限界（特に並列処理の低さと収束の遅さ）を克服すること。
• 計算コストが最小限の各実行で高品質な解を得られる、スケーラブルで大規模並列処理が可能なアルゴリズムを開発すること。
• 標準ベンチマーク、特にG-setのMAX-CUTインスタンスおよび大規模な完全接続イジング系を用いて性能を評価すること。
• パラメータ感度を分析し、解の品質、実行時間、成功確率の観点から最先端のアルゴリズムと比較すること。

提案手法

• MARSは、ランダムに選択されたスピン配置から探索を開始し、固定温度での平均場降下を適用する。平均場近似を活用することで収束を高速化する。
• エネルギー障壁の効果的な探索を可能にする温度スケジュールを用い、高温から低温へと段階的に降下することで局所最適解に陥るのを回避する。
• 各実行は計算的に軽量であり、多数のコアやプロセッサ上で大規模並列処理が可能で、結果を統合することで解の品質を向上させる。
• 古典的焼きなまし法（SA）と平均場焼きなまし法（MFA）の特徴を統合し、SAの確率的脱出機能とMFAの高速な平均場更新を組み合わせる。
• 温度の下限 $T_{ ext{min}} = 0$ と上限 $T_{ ext{max}} = 40$ を使用し、感度分析により性能がこれらのパラメータに強く依存することが示された。
• 本アルゴリズムは、完全接続イジング系およびG-setのMAX-CUTグラフの両方でテストされ、文献に掲載された標準的なベンチマークインスタンスが用いられた。

実験結果

リサーチクエスチョン

• RQ1 非常に並列なアルゴリズムは、大規模な系において、古典的および最近のヒューリスティック手法を著しく上回ることができるか？
• RQ2 MARSは、大規模なイジングスピン系において、SA、NMFA、SimCIMと比較して、解の品質および計算時間の両面で優れているか？
• RQ3 特に $T_{ ext{min}}$ と $T_{ ext{max}}$ のパラメータ選択が、解の品質および成功確率にどの程度影響を与えるか？
• RQ4 MARSは、特にランダムグラフおよびトーラス型グラフに対して、標準的なMAX-CUTベンチマークで最良の既知の結果に達成または上回ることができるか？
• RQ5 並列シミュレーションブロックの数が増加するに従い、アルゴリズムのスケーリング特性はどのように変化するか？最適な性能を得るための設定は何か？

主な発見

• 100スピンのイジング系において、MARSは50,000回のシミュレーションを14時間15分で実行し、基底状態エネルギー $-33311$ を達成した。解の品質と速度の両面で、SA、NMFA、SimCIMを上回った。
• 同じ系において、成功確率は $P = 2 \times 10^{-5}$、ヒット数は1であった。これは高品質な解への一貫した収束を示している。
• G-setのMAX-CUTインスタンスにおいて、MARSは重みなしランダムグラフおよびランダム辺重みを有するトーラス型グリッドに対して、最良の既知の結果に一致またはわずかに上回った。
• "ほぼ平面的"なグラフ族において、MARSは最良の既知のアルゴリズムと同等の性能を示したが、計算時間は著しく短縮された。
• パラメータ感度分析により、最適な $T_{ ext{min}}$ および $T_{ ext{max}}$ の値が解の品質および受容確率に強く影響することが示された。
• MARSは、低コストの実行を効率的に並列化することで、小規模なサンプルサイズでも、すべてのベースラインアルゴリズム（SA、NMFA、SimCIM）を解の推定精度および計算時間の両面で上回った。