[論文レビュー] Quantum Algorithms for Curve Fitting.

Guoming Wang|arXiv (Cornell University)|Feb 4, 2014

Quantum Computing Algorithms and Architecture参考文献 4被引用数 7

ひとこと要約

本稿では、設計行列のスパarsityを要件としない、多項式時間計算量を達成する量子アルゴリズムを提示する。このアルゴリズムは、量子位相推定と密度行列の指数関数的演算を組み合わせて密なハミルトニアンのシミュレーションを実現し、適合曲線とその品質の完全な決定を可能にする。計算時間は log n, d, κ, u, χ, 1/Φ, および 1/ε に対して多項式的である。

ABSTRACT

We present quantum algorithms for estimating the best-fit parameters and the quality of least-square curve fitting. The running times of these algorithms are polynomial in $\log{n}$, $d$, $\kappa$, $ u$, $\chi$, $1/\Phi$ and $1/\epsilon$, where $n$ is the number of data points to be fitted, $d$ is the dimension of feature vectors, $\kappa$ is the condition number of the design matrix, $ u$ and $\chi$ are some parameters reflecting the variances of the design matrix and response vector, $\Phi$ is the fit quality, and $\epsilon$ is the tolerable error. Different from previous quantum algorithms for these tasks, our algorithms do not require the design matrix to be sparse, and they do completely determine the fitted curve. They are developed by combining phase estimation and the density matrix exponentiation technique for dense Hamiltonian simulation.

研究の動機と目的

• 最小二乗曲線適合において、最適適合パラメータと適合品質をより高い効率で推定する量子アルゴリズムの開発。
• 従来の量子アルゴリズムが設計行列のスパarsityを要件としていたという制限を克服すること。
• 部分的または近似的な解ではなく、完全な適合曲線の決定を可能にすること。
• log n, d, κ, u, χ, 1/Φ, および 1/ε に対して計算時間のスケーリングを多項式的とする。これは、条件数や適合品質といった実用的パラメータを反映する。
• 密なハミルトニアンのシミュレーションにための量子技術を活用し、スパースな系に限らない広範な応用性を実現すること。

提案手法

• 設計行列の固有値推定に量子位相推定を用い、正規方程式の解法を可能にする。
• 密度行列の指数関数的演算技術を用いて密なハミルトニアンをシミュレートし、スパarsityの仮定なしに効率的なシミュレーションを実現する。
• 制御操作を設計行列に適用することで、最小二乗問題の解ベクトルをエンコードする量子状態を構築する。
• 振幅推定を統合して、適合品質 Φ と解の誤差 ε を高精度で推定する。
• 状態準備と制御ユニタリを用いて、応答ベクトルと設計行列を量子状態にエンコードし、統合処理を可能にする。
• これらの要素を統合したハイブリッド量子アルゴリズムを構築し、適合パラメータと適合品質の両方を出力する。

実験結果

リサーチクエスチョン

• RQ1 スパarsityを要件としない量子アルゴリズムで、曲線適合の計算時間を多項式的におさめることは可能か？
• RQ2 量子位相推定と密度行列の指数関数的演算をどのように組み合わせて、回帰タスクに適した密なハミルトニアンのシミュレーションを実現できるか？
• RQ3 アルゴリズムの計算時間は、条件数（κ）、適合品質（Φ）、誤差許容値（ε）といった主要パラメータにどのように依存するか？
• RQ4 部分的または近似的な解ではなく、完全な適合曲線を決定することは可能か？
• RQ5 最適適合パラメータと適合品質の推定において、達成可能な精度と効率のトレードオフは何か？

主な発見

• 提案された量子アルゴリズムは、log n, d, κ, u, χ, 1/Φ, および 1/ε に対して多項式的計算時間となる。これは大規模問題において顕著な効率改善をもたらす。
• 設計行列がスパースでなくてもよいという点で、密または悪条件な系への応用範囲が拡大される。
• 従来の手法とは異なり、パラメータと適合品質の両方を完全に決定可能であり、部分的結果の推定にとどまらない。
• 密度行列の指数関数的演算の使用により、密なハミルトニアンの効率的シミュレーションが可能となり、量子機械学習における主要な障壁を克服する。
• n（データサイズ）とd（特徴次元）の増加に伴い、nに対する対数的依存性のおかげで、アルゴリズムの性能が有利にスケーリングする。
• 誤差許容値 ε と適合品質 Φ が明示的にバウンディングされ、ユーザーが指定した精度内での信頼性の高い推定が保証される。