[論文レビュー] Towards favorable landscapes in quantum combinatorial optimization

Juneseo Lee, Alicia Magann+2 more|arXiv (Cornell University)|May 3, 2021

Quantum Computing Algorithms and Architecture参考文献 26被引用数 8

ひとこと要約

本論文は、MaxCutのための変分量子アルゴリズムにおける、量子回路構造が古典的最適化の多様性に与える影響を調査する。可換なアンザッツ族を用い、指数関数的に多くのパラメータを持つことで、一般のグラフに対して局所最適解の存在がないことを証明するが、超多項式的加速は達成されない。数値結果により、非可換性とエンタングルメントが性能向上に重要であることが浮き彫りになる。

ABSTRACT

The performance of variational quantum algorithms relies on the success of using quantum and classical computing resources in tandem. Here, we study how these quantum and classical components interrelate. In particular, we focus on algorithms for solving the combinatorial optimization problem MaxCut, and study how the structure of the classical optimization landscape relates to the quantum circuit used to evaluate the MaxCut objective function. In order to analytically characterize the impact of quantum features on the landscape critical point structure, we consider a family of quantum circuit ansatze composed of mutually commuting elements. We identify multiqubit operations as a key resource, and show that overparameterization allows for obtaining favorable landscapes. Namely, we prove that an ansatz from this family containing exponentially many variational parameters yields a landscape free of local optima for generic graphs. However, we further prove that these ansatze do not offer superpolynomial advantages over purely classical MaxCut algorithms. We then present a series of numerical experiments illustrating that non-commutativity and entanglement are important features for improving algorithm performance.

研究の動機と目的

• 変分量子アルゴリズムにおける量子回路構造が、古典的最適化多様性にどのように影響を与えるかを理解すること。
• 特に多量子ビット操作、過剰パラメータ化、エンタングルメントといった量子的特徴が、最適化多様性の臨界点構造に与える役割を分析すること。
• 指数的多くのパラメータを持つアンザッツが、MaxCut最適化において局所最適解を排除できるかどうかを特定すること。
• そのような量子アンザッツが、古典的MaxCutアルゴリズムに対して超多項式的優位性を提供するかどうかを評価すること。
• 数値実験を通じて、非可換性とエンタングルメントがアルゴリズム性能に与える影響を調査すること。

提案手法

• 研究は、解析的取り扱いを可能にするために、互いに可換な量子操作からなるアンザッツ族に焦点を当てる。
• 著者らは、これらのアンザッツが誘導する古典的最適化多様性の臨界点構造を特徴付けるために解析的手法を用いる。
• 過剰パラメータ化されたアンザッツが指数的多くの変分パラメータを持つ場合、一般のグラフに対して局所最適解のない多様性が得られることを証明する。
• 計算的優位性を評価するために、量子的手法と古典的MaxCutアルゴリズムを比較し、超多項式的加速がないことが示される。
• 非可換アンザッツの性能を評価し、エンタングルメントが最適化結果の向上に果たす役割を評価するための数値実験が実施される。
• 分析はMaxCut問題に根ざしており、量子回路を用いて目的関数の評価をパラメータ化する。

実験結果

リサーチクエスチョン

• RQ1 指数的多くのパラメータを持つ量子回路アンザッツは、MaxCutの古典的最適化多様性において局所最適解を排除できるか？
• RQ2 可換アンザッツに多量子ビット操作を用いることで、良好な最適化多様性が得られるか？
• RQ3 過剰パラメータ化された量子回路が、古典的MaxCutソルバーに対してどの程度の計算的優位性を提供するか？
• RQ4 非可換性とエンタングルメントは、MaxCutのための変分量子アルゴリズムの性能にどのように影響するか？
• RQ5 量子回路構造は、最適化多様性の臨界点構造にどのように寄与するか？

主な発見

• 互いに可換な量子操作から成るアンザッツで、指数的多くの変分パラメータを持つ場合、一般のグラフに対して局所最適解のない古典的最適化多様性が得られる。
• 良好な多様性が得られても、提案されたアンザッツは古典的MaxCutアルゴリズムに対して超多項式的優位性を提供しない。
• 数値実験により、非可換性とエンタングルメントがアルゴリズム性能を顕著に向上させることを示している。
• 多量子ビット操作の存在が、良好な最適化多様性を実現するための主要因であると特定された。
• アンザッツ族における過剰パラメータ化が、局所最適解の排除に寄与しており、パラメータ数の増加に伴う構造的利点が示唆される。
• 結果から、可換アンザッツを用いることで良好な多様性は達成可能であるが、実用的な性能向上は非可換およびエンタングルドな回路部品に依存することが示唆される。