[論文レビュー] Modernizing Quantum Annealing II: Genetic Algorithms and Inference

Nicholas Chancellor|arXiv (Cornell University)|Sep 19, 2016

Neural Networks and Reservoir Computing参考文献 27被引用数 3

ひとこと要約

この論文は、量子アニーリング制御を一般化するための「推論プリミティブ」形式的枠組みを導入し、キュービットまたはクラスタに対して個別化されたアニーリングスケジュールと初期条件のインジェクションを可能にしている。このフレームワークが遺伝的アルゴリズムなどの高度なアルゴリズムをサポートし、既存の最適化技術との互換性を高め、量子アニーラーのアルゴリズム的潜在能力を拡張することを示している。

ABSTRACT

Quantum annealing allows for quantum fluctuations to be used used to assist in finding the solution to some of the worlds most challenging computational problems. Recently, this field has attracted much interest because of the construction of large-scale flux-qubit based quantum annealing devices. There has been recent work on [Chancellor NJP 19(2):023024, 2017] how the control protocols of these devices can be modified so that individual annealer calls on real devices can take initial conditions. Development is being undertaken to implement such protocols in the quantum annealing devices designed by D-Wave Systems Inc. and these features will be available to customers soon. In this paper, I develop a formalism for algorithmic design in quantum annealers, which I call the `inference primitive' formalism. This formalism allows for a natural description of calls to quantum annealers with a general control structure. This more generalized control structure includes not only the ability to include initial conditions in an annealer run, but also to control the annealing schedules of qubits or clusters of qubits independently, thereby representing relative certainty values of different parts of a candidate solution. I discuss the compatability of such controls with a wide variety of other current efforts to improve the performance of annealers, such as non-stoquatic drivers, synchronizing freeze times for the qubits, and belief propagation techniques. To demonstrate the power of the formalism I present here, I discuss how this new formalism can be used to represent annealer implementations of genetic algorithms, and can represent the addition of genetic components to currently used algorithms. The new tools I develop will allow a more complete understanding of the algorithmic space available to quantum annealers, and thereby make the field more competitive.

研究の動機と目的

• 複雑で非一様なアニーリングプロトコルをサポートする、量子アニーリング制御の一般化された形式的枠組みの開発。
• 量子アニーラー実行に初期条件と相対的確信値を組み込むことの可能化。
• 非ストーキアスティック型ドライバーや信念伝播などの既存の量子アニーリング強化技術との互換性の向上。
• 形式的枠組みが遺伝的アルゴリズムの要素を量子アニーリングワークフローにどのように表現・統合できるかの実証。
• 複雑な最適化問題を解くために、量子アニーラーが利用可能なアルゴリズム的設計空間の拡張。

提案手法

• 量子アニーリング制御プロトコルを指定するための構造的フレームワークとして「推論プリミティブ」形式的枠組みを提案。
• 部分解における信頼度を反映するために、キュービットまたはクラスタごとに個別にスケジューリングを可能にする。
• 初期条件をアニーリング実行にインジェクションすることで、反復的または適応的最適化戦略の実現を可能にする。
• 非ストーキアスティック型ドライバーや同期的凍結時間といった既存技術と形式的枠組みを統合。
• 選択、交差、変異といった遺伝的アルゴリズムの操作を、量子アニーリングワークフロー内にネイティブにモデル化するために形式的枠組みを適用。
• 信念伝播やその他の推論ベースの最適化手法との互換性を実証。

実験結果

リサーチクエスチョン

• RQ1 量子アニーリング制御は、キュービットまたはクラスタごとに非一様なアニーリングスケジュールをサポートするために、どのように一般化可能か？
• RQ2 初期条件を量子アニーラー実行に意味的にインジェクションすることで、解の品質を向上させることは可能か？
• RQ3 推論プリミティブ形式的枠組みは、遺伝的アルゴリズムの要素を量子アニーリングプロセスにどのように統合できるか？
• RQ4 推論プリミティブ形式的枠組みは、非ストーキアスティック型ドライバーや信念伝播技術とどの程度互換性を有するか？
• RQ5 この形式的枠組みは、量子アニーリングにおけるアルゴリズム戦略の範囲をどの程度拡張するか？

主な発見

• 推論プリミティブ形式的枠組みにより、キュービットまたはクラスタごとの精密なアニーリングスケジューリング制御が可能になり、部分解における相対的確信度の表現が可能になった。
• 形式的枠組みは、初期条件を量子アニーラー実行にインジェクションするのをサポートしており、反復的・適応的最適化戦略の実現を可能にした。
• 選択、交差、変異といった遺伝的アルゴリズムの操作は、この形式的枠組みを用いることで、量子アニーリングワークフロー内にネイティブに表現可能となった。
• フレームワークは、非ストーキアスティック型ドライバーや信念伝播といった高度な技術との互換性を高め、ハイブリッドアルゴリズム設計を可能にした。
• 形式的枠組みは、複雑な量子アニーリングプロトコルを記述するための統一的かつ拡張可能な言語を提供し、量子アニーリングが計算パラダイムとして持つ表現力と競争力を向上させた。