[論文レビュー] Spin-glass droplets learning and approximate optimization with tensor networks

Marek M. Rams, Masoud Mohseni+1 more|arXiv (Cornell University)|Nov 15, 2018

Quantum many-body systems参考文献 2被引用数 4

ひとこと要約

この論文は、特にChimeraグラフ上で、高品質な解を効率的にサンプリングするための決定的で勾配フリーのテンソルネットワークベースのヒューリスティックアルゴリズムを提案している。局所的構造を活用してスピンガラスドロプレットの幾何構造を計算し、近似的なテンソルネットワーク縮約を用いることで、1回の実行で最大10^10個のdegenerateな基底状態を同定した。これは、2048スピンのDeceptive Cluster Loopインスタンスにおいて、先行研究を上回る結果を達成した。

ABSTRACT

We devise a deterministic heuristic algorithm to efficiently sample high-quality solutions of certain spin-glass systems that encode hard optimization problems. We employ tensor networks to represent Gibbs distribution of all possible configurations. Employing approximate tensor-network contractions we are able to efficiently map the low-energy spectrum of some quasi-two-dimensional Hamiltonians. We exploit the local nature of the problems to compute spin-glass droplets geometries, which provides a new form of compression of the low-energy spectrum. It naturally encompasses sampling, which otherwise, for exact contraction, is $\#P$ hard in general. In particular, for the hardest known problems devised on Chimera graphs known as Deceptive Cluster Loops and for up to $2048$ spins, we find of the order of $10^{10}$ degenerate ground states in a single run of our algorithm, computing better solutions than have been reported on some of the hard instances. Our gradient-free approach could provide new insight into the structure of disordered spin-glass complexes, with ramifications both for machine learning and noisy intermediate-scale quantum devices.

研究の動機と目的

• 硬いスピンガラス最適化問題において、高品質な解をサンプリングするための効率的なヒューリスティックを開発すること。
• 不規則系における正確なギブス分布サンプリングの#P困難性に取り組むこと。
• 準二次元ハミルトニアンの局所的構造を活用して、低エネルギースペクトルを圧縮し、効率的に探索すること。
• スピンガラスの複雑性およびその機械学習やNISQデバイスへの影響に関する新たな知見を提供すること。

提案手法

• この手法は、スピンガラス系におけるすべてのスピン配置上のギブス分布をテンソルネットワークで表現する。
• 正確で計算的に禁断の高い計算を避けるために、近似的なテンソルネットワーク縮約を用いて低エネルギースペクトルを効率的に計算する。
• 問題の局所的幾何構造を活用してスピンガラスドロプレットを特定することで、新たな形のスペクトル圧縮を実現する。
• 勾配フリーで決定的なため、複雑なエネルギー障壁の上を探索する確率的最適化の欠陥を回避する。
• 空間的局所性を活かすために、特にChimeraグラフを含む準二次元系に焦点を当てる。
• ドロプレット幾何構造の計算により、degenerateな基底状態の効率的サンプリングが可能になり、正確なサンプリングの#P困難性を回避する。

実験結果

リサーチクエスチョン

• RQ1 勾配ベースや確率的手法に依存せずに、硬いスピンガラス最適化問題において高品質な解を効率的にサンプリングする方法は何か？
• RQ2 準二次元ハミルトニアンの局所的構造が、低エネルギースペクトルの圧縮に果たす役割は何か？
• RQ3 正確な手法よりも、テンソルネットワーク縮約を用いてスピンガラス系でdegenerateな基底状態をより効率的に発見できるか？
• RQ4 スピンガラスドロプレット幾何構造は、局所的相互作用からどのように生成され、スペクトル圧縮にどのように寄与するか？
• RQ5 Deceptive Cluster Loopsのような、最も困難なスピンガラスインスタンスにおいて、この手法は既存のヒューリスティックをどの程度上回るか？

主な発見

• 2048スピンのChimeraグラフ上の最も困難なDeceptive Cluster Loopインスタンスにおいて、1回の実行で約10^10個のdegenerateな基底状態を同定した。
• 文献に登録された最も挑戦的なインスタンスの一部について、これまで報告されたものよりも優れた解を計算した。
• スピンガラスドロプレット幾何構造の使用により、低エネルギースペクトルの有効な圧縮が可能になり、計算複雑度が低下した。
• 近似的なテンソルネットワーク縮約を用いて、準二次元ハミルトニアンの低エネルギースペクトルを成功裏にマッピングした。
• 局所的構造とドロプレット形成を活用することで、正確なギブスサンプリングの#P困難性を回避した。
• これらの結果は、不規則なスピンガラス系の理解に新たな道筋を示し、機械学習やNISQ量子デバイスへの関連性を示唆している。