[論文レビュー] Iterative Quantum Algorithms for Maximum Independent Set: A Tale of Low-Depth Quantum Algorithms

Lucas T. Brady, Stuart Hadfield|arXiv (Cornell University)|Sep 22, 2023

Quantum Computing Algorithms and ArchitectureComputer Science被引用数 3

ひとこと要約

本稿は、最大独立集合（MIS）問題のための反復的量子アルゴリズム（IQA）を導入し、再帰的QAOAフレームワークを一般化する。深さ $ p=1 $ の場合、IQAは古典的グリーディアルゴリズムと同一の性能を示すが、$ p>1 $ の場合、量子強化された反復的手順により性能が向上し、近位量子デバイスにおける量子優位性が、純粋な量子高速化ではなく、ハイブリッド古典-量子設計に起因する可能性を示している。

ABSTRACT

Quantum algorithms have been widely studied in the context of combinatorial optimization problems. While this endeavor can often analytically and practically achieve quadratic speedups, theoretical and numeric studies remain limited, especially compared to the study of classical algorithms. We propose and study a new class of hybrid approaches to quantum optimization, termed Iterative Quantum Algorithms, which in particular generalizes the Recursive Quantum Approximate Optimization Algorithm. This paradigm can incorporate hard problem constraints, which we demonstrate by considering the Maximum Independent Set (MIS) problem. We show that, for QAOA with depth $p=1$, this algorithm performs exactly the same operations and selections as the classical greedy algorithm for MIS. We then turn to deeper $p>1$ circuits and other ways to modify the quantum algorithm that can no longer be easily mimicked by classical algorithms, and empirically confirm improved performance. Our work demonstrates the practical importance of incorporating proven classical techniques into more effective hybrid quantum-classical algorithms.

研究の動機と目的

• 組合せ最適化問題（例：MIS）に適用可能な反復的量子最適化（IQA）の一般枠組みの構築を目的とする。
• ハイブリッド環境における量子的強化を活用することで、反復的量子アルゴリズムが古典的手法を上回る可能性を検討すること。
• 低深さ回路（$ p=1 $）におけるQAOAベースIQAの性能を分析し、古典的グリーディアルゴリズムと比較すること。
• 量子回路深さ（$ p>1 $）を増やすことで、より豊かな構造的情報を得られ、古典的ヒューリスティクスを上回る解の質に到達できることを探索すること。
• 古典的手法を量子ハイブリッドワークフローに統合することで、近位量子デバイスにおける量子優位性の可能性を評価すること。

提案手法

• QAOAに基づくMISのための新規反復的量子アルゴリズムを提案。各反復で量子支援による頂点選択によりグラフサイズを縮小する。
• 深さ $ p=1 $ のQAOAを用いて頂点選択の期待値を計算し、古典的グリーディ選択ルールと同一であることを示す。
• 再帰的縮小戦略を採用：量子出力に基づき頂点を選択し、その頂点とその隣接頂点を削除し、残りのグラフで繰り返す。
• 深さ $ p>1 $ のQAOAに拡張し、より大きな局所的近傍にアクセス可能にし、解の質を向上させる。
• MINQやMAXQなどの変種を導入。量子意思決定を用いて反復ステップにおけるビット固定をガイドし、古典的グリーディヒューリスティクスを一般化する。
• Erdős–Rényiグラフを用いた実験的評価により、古典的アルゴリズム、非反復的QAOA、反復的量子アルゴリズムの間で近似比を比較する。

実験結果

リサーチクエスチョン

• RQ1 深さ $ p=1 $ の反復的量子アルゴリズムは、MISに対して古典的グリーディアルゴリズムと同一の結果を達成するか？
• RQ2 深さ $ p>1 $ のQAOA回路は、反復的量子フレームワークにおいて、古典的グリーディアルゴリズムを上回る性能を示せるか？
• RQ3 量子強化された反復的アルゴリズムは、どの程度古典的アルゴリズム的知見の恩恵を受けており、その影響が量子優位性の主張にどのように関与するか？
• RQ4 反復的量子アルゴリズムの性能は、グラフサイズや辺密度の変化に伴い、非反復的QAOAと比較してどのように変化するか？
• RQ5 最大クリークや最小頂点被覆などの問題変換を用いることで、反復的量子アプローチを他のNP困難問題に一般化可能か？

主な発見

• 深さ $ p=1 $ の場合、反復的量子アルゴリズムは古典的グリーディアルゴリズムと同一の性能を示し、各反復で同じ頂点選択を行う。
• 深さ $ p=1 $ の場合、古典的グリーディアルゴリズムが利用可能な情報以外の追加情報を得ておらず、この範囲では量子優位性を示さない。
• 深さ $ p>1 $ の場合、量子アルゴリズムはより大きな局所的近傍に関する情報を得られ、古典的グリーディアルゴリズムを上回る解の質に到達できる。
• 実験的結果から、深さ $ p=2 $ の反復的量子アルゴリズムは、非反復的QAOA（$ n=5 $ 時で0.69、$ n=16 $ 時で0.495）よりも顕著に高い近似比を達成することが示された。
• 反復的量子アルゴリズムと古典的グリーディアルゴリズムの性能差は、回路深さが増すにつれて拡大しており、量子強化がより豊かな情報アクセスに起因していることが示唆される。
• 本フレームワークは、QAOAの変種、ハードウェア効率の良いアーキテクチャ、量子アニーリングなど、さまざまな量子アルゴリズムと互換性があり、最適化問題への広範な応用が可能である。