[論文レビュー] Optimizing quantum circuit parameters via SDP

Eunou Lee|arXiv (Cornell University)|Sep 2, 2022

Quantum Computing Algorithms and Architecture被引用数 4

ひとこと要約

本論文は、半定値計画法（SDP）の丸めを用いて、パラメータ化された量子回路のパラメータを最適化するための新しいフレームワークを提案する。SDPの解を回路パラメータに丸めることで、一般化された量子Max Cut問題に対して多項式時間の0.562-近似アルゴリズムを構築し、以前の最高比である0.54未満を上回る。

ABSTRACT

In recent years, parameterized quantum circuits have become a major tool to design quantum algorithms for optimization problems. The challenge in fully taking advantage of a given family of parameterized circuits lies in finding a good set of parameters in a non-convex landscape that can grow exponentially to the number of parameters. We introduce a new framework for optimizing parameterized quantum circuits: round SDP solutions to circuit parameters. Within this framework, we propose an algorithm that produces approximate solutions for a quantum optimization problem called Quantum Max Cut. The rounding algorithm runs in polynomial time to the number of parameters regardless of the underlying interaction graph. The resulting 0.562-approximation algorithm for generic instances of Quantum Max Cut improves on the previously known best algorithms, which give approximation ratios of less than 0.54.

研究の動機と目的

• 非凸的かつ指数的に増大するパラメータ空間における量子回路パラメータ最適化の課題に対処すること。
• 各層のパラメータを等しく制限するか、特殊なグラフ構造を要する既存の厳密なアルゴリズムの制限を克服すること。
• 相互作用グラフやパラメータ空間を制限しない一般用途の効率的で、証明可能に良い近似アルゴリズムを、量子Max Cut問題に対して開発すること。
• 量子的文脈において、Goemans-WilliamsonのSDP丸めパラダイムを活用し、新しい量子近似アルゴリズムを導出すること。
• 量子Max Cut問題（QMA-ハード問題）に対して、既存のアルゴリズムを上回る証明可能な近似比を達成すること。

提案手法

• パウリ行列を用いて、2局所ハミルトニアン最適化タスクとして量子Max Cut問題を定式化する。
• レベル1の量子ラッセールSDP階層を用い、量子状態空間の緩和を提供する最適化問題を表現する。
• 新規の丸め手順を適用：相互作用グラフ内の各辺に関連するSDP解のベクトルを、三角関数を介して対応する量子回路パラメータに写像する。
• 丸めプロセスが、グラフ構造に依存せず、パラメータ数に対して多項式時間で実行されることを保証する。
• 回路パラメータとグラフ接続性に基づいて、ハミルトニアンの各辺の期待エネルギー寄与を解析的に導出する。
• パウリ行列の交換関係と状態トレース計算を用い、パラメータ化された量子状態下でのハミルトニアンの期待値を計算する。

実験結果

リサーチクエスチョン

• RQ1 SDP緩和と丸めを、一般化されたパラメータ化量子回路の最適化に適応可能か？
• RQ2 相互作用グラフやパラメータの対称性を制限しない状況でも、一般量子Max Cut問題に対して証明可能に良い近似比を達成可能か？
• RQ3 提案されたSDPベースの丸めフレームワークは、既存の近似アルゴリズムを近似比の観点で上回るか？
• RQ4 この新しいSDP丸めフレームワークを用いた場合、量子Max Cut問題の達成可能な近似比は何か？
• RQ5 本手法は、相互作用グラフ内のパラメータ数と接続性の両方に対してどのようにスケーリングするか？

主な発見

• 提案されたアルゴリズムは、一般量子Max Cut問題に対して0.562-近似比を達成し、以前の最高知られていた比（0.54未満）を上回る。
• 丸めアルゴリズムは、パラメータ数に対して多項式時間で実行され、基盤となる相互作用グラフ構造に依存せずスケーラブルである。
• 本手法はパラメータに対称性の仮定（例：各層のパラメータを等しくする）を必要とせず、完全なパラメータ空間の探索を可能にする。
• 本フレームワークは、Goemans-Williamson手法を量子最適化に一般化し、量子回路パラメータにSDP丸めを適用する。
• エネルギー期待値の解析的導出により、寄与がパラメータの三角関数および局所的グラフ近傍に依存することが示された。
• 結果は任意の重み付きグラフに対して成り立つため、正則または有界次数のインスタンスに限定されない広範な適用可能性を示している。