[論文レビュー] The Optimization Landscape of Hybrid Quantum-Classical Algorithms: from Quantum Control to NISQ Applications

Xiaozhen Ge, Re-Bing Wu+1 more|arXiv (Cornell University)|Jan 19, 2022

Quantum Computing Algorithms and Architecture被引用数 4

ひとこと要約

本稿は、ハイブリッド量子古典アルゴリズムの最適化ランドスケープを分析し、小さな量子系では局所的トラップのないランドスケープから、大規模なNISQデバイスではバーレンプレート（barren plateau）に至る形の変化を明らかにした。表現力とトレーニング可能性の間に相反する関係が存在し、アンザッツ構造と初期化戦略が勾配消失を回避し、実用的な量子優位性を実現するために重要であることが判明した。

ABSTRACT

This review investigates the landscapes of prevalent hybrid quantum-classical optimization algorithms in many rapidly developing quantum technologies, where the objective function is either computed by a natural quantum system or a quantum ansatz that is engineered, but the optimizer is classical. In any particular case, the nature of the underlying control landscape is fundamentally important for systematic optimization of the objective. In early studies on the optimal control of few-body dynamics, the optimizer could take full control of the quantum systems to be manipulated whose Hilbert space dimension is relatively small. Stepping into the noisy intermediate-scale quantum (NISQ) era, the experimentally growing computational power of the ansatz expressed as quantum hardware may bring quantum advantage over classical computers, but the classical optimizer is often limited by the available control resources. Across these different scales, we will show that the landscape's geometry experiences morphological changes from favorable trap-free landscapes to easily trapping rugged landscapes, and eventually to barren-plateau landscapes on which the optimizer can hardly move. This unified view provides the basis for understanding classes of systems that may be readily controlled out to those with special consideration, including the difficulties and potential advantages of NISQ technologies, as well as seeking possible ways to escape traps or plateaus, in particular circumstances.

研究の動機と目的

• 異なるスケールの量子系におけるハイブリッド量子古典アルゴリズムの最適化ランドスケープの幾何的構造を理解すること。
• バーレンプレートや粗いランドスケープのため、古典的最適化が大規模NISQデバイスで困難になる理由を説明すること。
• 特に変分量子アルゴリズムの文脈において、最適化が依然として効率的である条件を同定すること。
• 構造的アンザッツや知的な初期化といった戦略が、バーレンプレートを緩和し、トレーニング可能性を向上させる方法を探索すること。
• 量子アンザッツの表現力と古典的最適化の効率性の間の根本的トレードオフを、量子優位性を達成する文脈で明確にすること。

提案手法

• 少数粒子系における完全制御からNISQデバイスにおける制限された制御まで、制御リソースの変動に伴う量子系の制御ランドスケープ幾何を分析する。
• 量子最適制御および変分量子アルゴリズムの理論的枠組みを適用し、ランドスケープの形態の進化をマッピングする。
• パラメータ化された量子回路（PQC）における勾配スケーリング行動を調査し、とくに部分導関数の分散をバーレンプレート形成の代理指標として用いる。
• 量子畳み込みネットワーク、木テンソルネットワーク、段階的制御回路といった構造的アンザッツを評価し、バーレンプレートに対する耐性を検証する。
• 2-designを避ける初期化スキームを提案し、パラメータ空間の次元数を低減することで勾配情報の保持を図る。
• レイヤーワイズトレーニングや古典的ニューラルネットワークによる事前学習を検討し、収束性の向上と早期最適化失敗の回避を図る。

実験結果

リサーチクエスチョン

• RQ1 量子系サイズが利用可能な古典的制御リソースに対して増加するに従い、ハイブリッド量子古典アルゴリズムの最適化ランドスケープはどのように変化するか？
• RQ2 変分量子アルゴリズムにおけるバーレンプレートの原因は何か？ どのような条件下で回避または緩和可能か？
• RQ3 畳み込み型や木構造型の回路といった特定のアンザッツ構造は、指数的勾配消失のリスクをどの程度低減できるか？
• RQ4 知的な初期化戦略は、特に高次元パラメータ空間において、最適化が局所的最適解に閉じ込められるのを防げるか？
• RQ5 NISQ時代の応用において、量子回路の表現力と古典的最適化のトレーニング可能性の間の根本的トレードオフは何か？

主な発見

• 制御リソースが豊富な小さな量子系では、最適化ランドスケープは局所的トラップが存在せず、グリーディアルゴリズムによる効率的収束が可能である。
• 制御リソースが制限された状況では、偽の局所的最小値が出現し、確率的手法を用いても最適化失敗が生じる。
• 大規模NISQデバイスでは、アンザッツが2-designまたは高表現力である場合、指数的に消える勾配のためバーレンプレートが発生する。
• 量子畳み込みニューラルネットワークや木テンソルネットワークといった構造的アンザッツは、多項式的減衰する勾配を示し、バーレンプレートを回避する。
• 2-designを避ける、またはパラメータ空間次元数を低減する初期化戦略は、最適化収束性を顕著に向上させ、トレーニングイテレーション数を削減する。
• 誤り補正技術は、ノイズ誘発バーレンプレートを抑制するために不可欠であり、Sycamoreハードウェア上での水素鎖結合エネルギー計算におけるVQE実装で実証された。