[論文レビュー] Quantum Adiabatic Evolution Algorithms with Different Paths

Edward Farhi, Jeffrey Goldstone+1 more|ArXiv.org|Aug 21, 2002

Quantum Computing Algorithms and Architecture参考文献 1被引用数 66

ひとこと要約

本稿では、ハミルトニアン空間における曲線的経路——特に追加項 $ H_E $ を含む経路——を用いた量子断熱アルゴリズムを提案する。この手法により、性能を阻害する小さなスペクトルギャップを回避できる。$ H_E $ をランダムに選ぶことで、標準的な直線経路が失敗するハードな例においても、多項式時間の実行で成功するアルゴリズムに変換可能であることが示された。

ABSTRACT

In quantum adiabatic evolution algorithms, the quantum computer follows the ground state of a slowly varying Hamiltonian. The ground state of the initial Hamiltonian is easy to construct; the ground state of the final Hamiltonian encodes the solution of the computational problem. These algorithms have generally been studied in the case where the "straight line" path from initial to final Hamiltonian is taken. But there is no reason not to try paths involving terms that are not linear combinations of the initial and final Hamiltonians. We give several proposals for randomly generating new paths. Using one of these proposals, we convert an algorithmic failure into a success.

研究の動機と目的

• 初期ハミルトニアンから問題ハミルトニアンへの直線的経路に沿ってスペクトルギャップが小さくなると性能が低下する、標準的量子断竣工アリズムの制限を克服すること。
• 線形補間を超える、ハミルトニアン空間内での代替的経路が、エネルギーギャップが小さい領域を避けることで、より優れた性能をもたらすかどうかを調査すること。
• 基底状態の構造を保ちつつ断竣工進化の効率を向上させるための $ H_E $ のランダムな経路生成戦略の開発と検証。
• 曲線的経路が、標準的経路が失敗するが、多項式時間で成功するようなハードな最適化インスタンスにおいて、成功を可能にすることを実証すること。
• 異なる $ H_E $ 選択を繰り返し行うことで、経路の多様性を活かし、成功確率を向上させるフレームワークの提供。

提案手法

• ハミルトニアンの一般化として、$ \widetilde{H}(s) = (1-s)H_B + sH_P + s(1-s)H_E $ を提案。ここで $ H_E $ は進化の中盤にのみ作用する追加項である。
• 3つの $ H_E $ の生成戦略を提案：P1（各節に対してランダムなエルミート行列）、P2（全節に同一のランダム行列を適用）、P3（3-SAT用に特定構造を持つランダム行列）。
• 有効ポテンシャル解析を用いて、断竣工進化のダイナミクスを分析。特に $ s $ の増加に伴いポテンシャルのグローバル最小値がどのように移動するかを追跡。
• 数値実験を用いて、ランダムな $ H_E $ の下での経路追従の成功確率を評価。局所的最小値が初期状態から最終基底状態へ連続的に進化するかを測定。
• 文献[5]に掲載された既知のハードインスタンスに本手法を適用。P2を用いた $ H_E $ の追加により、ギャップが十分に大きくなり、多項式時間での断竣工進化が可能になった。
• 対称性と統計的サンプリングを用いて、成功する進化をもたらす $ H_E $ の空間体積を評価。

実験結果

リサーチクエスチョン

• RQ1 ハミルトニアン空間における非線形的経路が、小さなスペクトルギャップを回避することで、量子断竣工アルゴリズムの性能を向上させ得るか？
• RQ2 問題の基底状態を保ちつつ断竣工進化を向上させるために、効果的な $ H_E $ の生成戦略は何か？
• RQ3 $ H_E $ をランダムに選ぶことで、ハードインスタンスにおける断竣工進化の成功確率が顕著に向上するか？
• RQ4 有効ポテンシャル法を用いて、曲線的経路を用いた断竣工進化の成功を解析的または数値的に予測可能か？
• RQ5 問題の対称性（例：同一の節）が、経路最適化された断竣工アルゴリズムの性能に与える影響は何か？

主な発見

• P2による $ H_E $ の追加により、以前は失敗していた断竣工アルゴリズムが成功に転換され、ハードインスタンスの多項式時間での解法が可能になった。
• 対称的 $ H_E $ を用いた1,000回のランダム試行のうち351回で、連続的に追跡された局所的最小値が初期状態から最終基底状態へ進化した。これは高い成功確率を示している。
• 有効ポテンシャル解析により、対称的 $ H_E $ の場合、グローバル最小値が $ \theta = \pi/2, \varphi = 0 $ から $ \theta = 0, \varphi = 0 $ へ滑らかに移動することが判明。これにより断竣工進化の成功が保証された。
• P1によるランダムな $ H_E $ 選択は一般に最小ギャップを改善しなかったが、最小ギャップが深刻な障害となる可能性を低減した。これは経路の多様性が有効であることを示唆している。
• $ H_E $ を用いたアルゴリズムの成功は、スペクトルギャップが小さい領域を避ける経路が有効であることに依存する。曲線的経路はこうしたボトルネックを回避可能である。
• 本手法は、個々の実行が失敗する可能性があるとしても、異なる $ H_E $ 選択を用いた複数回の断竣工進化を実行することで、全体の成功確率を向上させるというアイデアを支持する。