[論文レビュー] Quantum Persistent Homology

Bernardo Ameneyro, Vasileios Maroulas+1 more|arXiv (Cornell University)|Feb 25, 2022

Topological and Geometric Data Analysis被引用数 11

ひとこと要約

本稿では、恒久的組合せラプラシアンを生成する恒久的デル・作用素を用いた、恒久的ベッチ数を計算する量子アルゴリズムを提案する。この手法により、スケールにわたる位相的特徴の効率的追跡が可能となり、古典的手法に比べて指数的高速化を達成する。2つの正方形配置を有する点群データセット上で実証され、古典的手法が失敗する状況でも恒久的ベッチ数の正しく計算されることを確認した。

ABSTRACT

Persistent homology is a powerful mathematical tool that summarizes useful information about the shape of data allowing one to detect persistent topological features while one adjusts the resolution. However, the computation of such topological features is often a rather formidable task necessitating the subsampling the underlying data. To remedy this, we develop an efficient quantum computation of persistent Betti numbers, which track topological features of data across different scales. Our approach employs a persistent Dirac operator whose square yields the persistent combinatorial Laplacian, and in turn the underlying persistent Betti numbers which capture the persistent features of data. We also test our algorithm on point cloud data.

研究の動機と目的

• 異なるデータ解像度にわたる位相的特徴を捉えることのできる、恒久的ベッチ数を効率的に計算する量子アルゴリズムの開発。
• 文献[39]における量子デル・作用素のアプローチを恒久的ホモロジーに一般化し、位相的恒久性の追跡を可能にする。
• 従来の量子アルゴリズムが静的ベッチ数のみを計算するという制限を克服し、恒久的特徴を計算可能にする。
• 非自明な点群例（2つの正方形）に対してアルゴリズムを実装・テストし、恒久的ベッチ数が通常のベッチ数と異なることを示す。
• 量子計算が恒久的ホモロジーの指数的複雑性を効率的に処理できることを示し、古典的O(2^n)の計算量を多項式時間の量子計算に低減する。

提案手法

• 境界作用素に線形な恒久的デル・作用素を導入し、その二乗が恒久的組合せラプラシアンを生成する。
• 恒久的ベッチ数は、恒久的デル・作用素のゼロ固有値の縮重から、量子位相推定を用いて抽出する。
• 古典的データを量子重ね合わせに効率的にロードするために、量子ランタイムアクセスメモリ（QRAM）を活用する。
• グローバーの探索アルゴリズムと量子位相推定を用いて固有値とその重複度を推定し、恒久的ベッチ数の計算を実現する。
• アタシリア・キュービットと制御された指数ユニタリを用いてデル・作用素を実装する量子回路アーキテクチャを採用し、測定結果から固有値の確率分布が得られる。
• 2次元点群（2つの正方形）に対してアルゴリズムを適用し、4キュービット、3キュービット、5キュービットのレジスタをそれぞれ用いて、β₁^ε₁,ε₂ と β₁^ε₂,ε₂ の恒久的ベッチ数を計算した。

実験結果

リサーチクエスチョン

• RQ1 古典的手法に比べて指数的高速化を達成できるような、恒久的ベッチ数を計算する量子アルゴリズムを設計できるか？
• RQ2 恒久的デル・作用素をどのように構築すれば、その二乗が恒久的組合せラプラシアンを生成するか？
• RQ3 2つの正方形の例のような状況で、アルゴリズムは恒久的でない位相的特徴と区別できるか？
• RQ4 量子位相推定とグローバーの探索が、恒久的ホモロジーにおける固有値の縮重度推定に果たす役割は何か？
• RQ5 量子アプローチにより、恒久的ホモロジーの資源要件が、古典的指数的複雑性から多項式的量子複雑性に低減されるか？

主な発見

• 2つの正方形の点群に対して、恒久的ベッチ数 β₁^ε₁,ε₂ = 0 および β₁^ε₂,ε₂ = 1 が正しく計算され、古典的手法が失敗する状況でも位相的恒久性が的確に捉えられた。
• アルゴリズムは指数的高速化を達成し、古典的恒久的ホモロジーのO(2^n)の実行時間から、データ点数nの多項式時間に低減した。
• 古典的手法が2^nビットを必要とするのに対し、本手法は全単体複体を符号化するためにnキュービットのみを用い、メモリオーバーヘッドを顕著に削減した。
• 量子回路からの測定結果は、p=3とp=5に明確な確率ピークを示し、固有値の縮重度が確認され、計算されたベッチ数の妥当性が裏付けられた。
• 固有値λ=1は、最近接のλ=√3（p=5）から分離されており、β₁^ε₁,ε₁のゼロモード縮重度の正確な検出が保証された。
• 非自明なテストケースにおいて本手法の実現可能性が示され、量子計算がデータから恒久的位相的特徴を信頼性高く抽出できることを示した。