[論文レビュー] Riemannian optimization and automatic differentiation for complex quantum architectures

I. A. Luchnikov, Mikhail Krechetov+1 more|arXiv (Cornell University)|Jul 2, 2020

Quantum Computing Algorithms and Architecture被引用数 11

ひとこと要約

本論文は、複雑な量子系における制約付き最適化のためのリーマン幾何学的最適化と自動微分を組み合わせた手法を提案する。この手法により、量子制御、もつれ縮約、量子トモグラフィーの効率的解決が可能となる。アプローチはTensorFlowを基盤とするフレームワーク内でリーマン多様体幾何学を活用し、量子技術分野における優れた性能と広範な適用可能性を示している。

ABSTRACT

Optimization methods on Riemannian manifolds are a powerful class of optimization methods that allow performing constrained optimization. We apply first-order Riemannian optimization methods to various problems of quantum physics including entanglement renormalization of local many-body Hamiltonians, quantum control, and quantum tomography. We show that the Riemannian optimization forms a new powerful numerical tool for solving different problems of quantum technologies. Besides, we provide a package written on top of TensorFlow for the Riemannian optimization in quantum physics

研究の動機と目的

• リーマン幾何学を用いたスケーラブルな最適化フレームワークを、量子物理学における制約付き問題に適用する。
• 第一順位のリーマン最適化手法を、多体ハミルトニアンの縮約や量子制御といった主要な量子物理学問題に適用する。
• リーマン多様体上の制約付き最適化を通じて、効率的な量子トモグラフィーを実現する。
• 量子物理学のワークフローにシームレスに統合可能な、TensorFlowを基盤とするソフトウェアパッケージを提供する。

提案手法

• 量子状態や演算子に関連するリーマン多様体上で制約付き最適化を実行するため、第一順位のリーマン最適化手法を用いる。
• TensorFlowによる自動微分を活用して、曲がった多様体上での勾配計算を実現し、エンドツーエンドの学習を可能にする。
• 適切な多様体上でのパラメータ化を通じて、制御場をリーマン最適化に適用し、量子制御問題に応用する。
• 多様体上の制約を用いて、最適化中に純度やユニタリティといった物理的性質を保持する。
• リーマン最適化を支援するTensorFlow上でのソフトウェアパッケージを開発し、量子物理学への応用をサポートする。
• リーマン最適化を量子状態再構成と統合し、量子トモグラフィーの精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 リーマン最適化は、制約付き量子物理学問題において、標準的な最適化手法を上回る性能を示せるか？
• RQ2 リーマン最適化は、量子状態や演算子の多様体に内在する幾何的制約をどの程度効果的に処理できるか？
• RQ3 自動微分は、量子系におけるリーマン最適化のスケーラビリティと正確性をどの程度向上させるか？
• RQ4 提案されたフレームワークは、量子制御やトモグラフィーを含む多様な量子技術に一般化可能か？
• RQ5 TensorFlowベースの実装は、量子情報科学分野における実用的導入をどのように可能にするか？

主な発見

• リーマン最適化は、もつれ縮約や量子制御を含む、複雑な量子物理学問題を解く強力な数値的ツールを提供する。
• この手法は、曲がった多様体上で最適化を行う際、ユニタリティや純度といった物理的制約を効果的に維持する。
• 自動微分により、リーマン多様体上での勾配計算が効率的に行えるようになり、フレームワークのスケーラビリティが向上する。
• TensorFlowベースのパッケージにより、既存の量子コンputingおよびシミュレーションパイプラインへの統合が容易になる。
• このアプローチは、多様な量子技術分野への応用において優れた性能を示し、広範な適用可能性を示唆している。