[論文レビュー] On Quantum Computing for Mixed-Integer Programming

Chin-Yao Chang, Eric B. Jones+1 more|arXiv (Cornell University)|Oct 15, 2020

Quantum Computing Algorithms and Architecture参考文献 17被引用数 6

ひとこと要約

本論文では、混合整数線形計画問題（MIP）を二つの部分問題に分解することで、D-Wave社の2000Q量子プロセッサを用いて解くバイナリ二次計画問題（BQP）と、古典的手段で解く線形計画問題（LP）に分ける、ハイブリッド量子古典アルゴリズムを提案する。この手法は、量子と古典の両方のソルバー間で繰り返し双方向通信を行い、解を段階的に改善することで、小規模なMIPインスタンスにおいて最適解への収束を示している。

ABSTRACT

Quantum computing (QC) is emerging as a new computing resource that could be superior to conventional computing (CC) for certain classes of optimization problems. However, in principle QC can only solve unconstrained binary programming problems, while mixed-integer linear programming (MIP) is of most interest in practice. We attempt to bridge the gap between the capability of QC and real-world applications by developing a new approach for MIP. The idea is decomposing the MIP into binary programming and linear programming (LP) problems, which are respectively solved by QC and conventional computing. We formalize a decomposition approach that ensures that with a sufficient number of back and forth iterations, the algorithm can reach the optimal solution of the original MIP problem. The algorithm is tested on a 2000Q D-Wave quantum processing units (QPU) and is shown to be effective for small-scaled test cases.

研究の動機と目的

• 量子コンピューティングが現在、制約なしバイナリ問題にしか解けない現状と、実際の応用で混合整数線形計画問題（MIP）を解く必要があるというギャップを埋める。
• 量子コンピューティングが実世界のMIP応用に貢献できるような分解フレームワークを構築する。
• 量子ソルバーと古典的ソルバーの間で繰り返しの改善を図ることで、最適MIP解への収束を保証する。
• D-Wave 2000Q量子プロセッシングユニットを用いた小規模なテストケースにおいて、このハイブリッド手法の実現可能性と有効性を示す。

提案手法

• 混合整数線形計画問題（MIP）を二つの部分問題に分解する：バイナリ二次計画問題（BQP）と線形計画問題（LP）。
• BQP部をD-Wave 2000Q量子プロセッシングユニット（QPU）で解く。これは制約なしバイナリ最適化を目的として設計されている。
• LP部を従来のコンピューティングを用いて解き、標準的な線形計画法ソルバーを活用する。
• 量子ソルバーと古典的ソルバーを交互に実行し、相手のソルバーから得た解に基づいて制約や境界を更新する。
• 十分な反復回数で、元のMIPのグローバル最適解への収束を保証する形式的な分解戦略を採用する。
• 各反復において量子と古典的コンポーネント間で情報を交換し、解の探索空間を段階的に改善することで、解の整合性を維持する。

実験結果

リサーチクエスチョン

• RQ1 量子コンピューティングは、現在の制限である制約なしバイナリ問題に限定されるにもかかわらず、混合整数線形計画問題（MIP）に効果的に応用可能か？
• RQ2 ハイブリッド量子古典分解手法は、最適MIP解への収束をどのように保証するか？
• RQ3 D-Wave 2000Q QPUを用いた小規模なMIPテストケースにおいて、提案手法の性能はいかほどか？
• RQ4 量子と古典的ソルバー間の反復的通信は、解の品質と収束性をどのように向上させるか？

主な発見

• 提案されたハイブリッドアルゴリズムは、量子で解けるバイナリ部分問題と古典的線形部分問題に分解することで、小規模なMIP問題を効果的に解けることを示している。
• このアルゴリズムは、十分な反復回数があれば、元のMIP問題の最適解への収束が形式的に証明されている。
• D-Wave 2000Q QPUを用いたテストにより、この手法の有効性が小規模なテストケースで確認され、実用的実現可能性が裏付けられた。
• 分解アプローチにより、ハードウェアの制限がある中でも、量子コンピューティングが実世界のMIP応用に有意義に貢献できるようになった。
• 量子と古典的ソルバー間の反復的フィードバックループにより、解の正確性と収束特性が向上した。