[論文レビュー] Towards quantum advantage via topological data analysis

Casper Gyurik, Chris Cade+1 more|arXiv (Cornell University)|May 6, 2020

Topological and Geometric Data Analysis被引用数 4

ひとこと要約

本稿は、Lloyd、Garnerone、Zanardiによるトポロジカル・データ分析（TDA）の量子アルゴリズムが、広く受け入れられている複雑性理論的仮定のもとで、古典的には実行不可能であることを示している。その一般化形は、1つのクリーン・キュービットモデルをシミュレートするのと同程度の難易度であり、これは古典的時間で超多項式時間が必要であると広く信じられている。著者らは、ランク推定および複雑ネットワーク解析のための新しい量子アルゴリズムを提示し、その実行可能性を近い将来の量子デバイスに合わせて分析した。この結果、証明可能な超多項式の量子高速化が得られた。

ABSTRACT

Even after decades of quantum computing development, examples of generally useful quantum algorithms with exponential speedups over classical counterparts are scarce. Recent progress in quantum algorithms for linear-algebra positioned quantum machine learning (QML) as a potential source of such useful exponential improvements. Yet, in an unexpected development, a recent series of "dequantization" results has equally rapidly removed the promise of exponential speedups for several QML algorithms. This raises the critical question whether exponential speedups of other linear-algebraic QML algorithms persist. In this paper, we study the quantum-algorithmic methods behind the algorithm for topological data analysis of Lloyd, Garnerone and Zanardi through this lens. We provide evidence that the problem solved by this algorithm is classically intractable by showing that its natural generalization is as hard as simulating the one clean qubit model -- which is widely believed to require superpolynomial time on a classical computer -- and is thus very likely immune to dequantizations. Based on this result, we provide a number of new quantum algorithms for problems such as rank estimation and complex network analysis, along with complexity-theoretic evidence for their classical intractability. Furthermore, we analyze the suitability of the proposed quantum algorithms for near-term implementations. Our results provide a number of useful applications for full-blown, and restricted quantum computers with a guaranteed exponential speedup over classical methods, recovering some of the potential for linear-algebraic QML to become one of quantum computing's killer applications.

研究の動機と目的

• 最近の量子機械学習（QML）アルゴリズムの脱量子化結果が他のQMLアルゴリズムを揺るがしたにもかかわらず、トポロジカル・データ分析（TDA）の量子アルゴリズムが古典的に実行不可能なままであるかどうかを調査すること。
• LGZ TDAアルゴリズムの背後にある線形代数的手法が、一般的な脱量子化技術に対して耐性を示すことを確立すること。
• 同じ量子手法に基づいて、ランク推定や複雑ネットワーク解析といった実用的問題のための新しい量子アルゴリズムを開発すること。
• 資源の削減と実用的制約を焦点に、これらの量子アルゴリズムを近い将来のNISQデバイスに実装する可能性を分析すること。
• 古典的コンピュータにとって証明的に困難である問題を同定することで、線形代数的QMLにおける量子優位性を強化すること。

提案手法

• TDA問題を一般化し、1つのクリーン・キュービットモデルをシミュレートするのと同等の難易度であることを示す。これは、古典的コンピュータで超多項式時間が必要であると広く信じられている。
• LGZ TDAアルゴリズムから得られる量子アルゴリズム的手法——特に量子位相推定とスパース行列アクセス——を用いて、ランク推定および複雑ネットワーク解析タスクを解く。
• スパース行列アクセスに必要なキュービット数を削減するために、古典的プリコンパイル戦略を適用する。これは、近い将来の実装における主要なボトルネックである。
• 摂動理論を用いて、ノイズ下での量子アルゴリズムのロバストネスを分析し、組合せラプラシアンに対する小さな摂動が、低エネルギー準位のスペクトル密度を著しく変化させないことを示す。
• 複雑性理論的議論を用いて、一般化されたTDAおよびランク推定問題が、一般的な古典的手法による脱量子化に耐えうることを示す。
• リソース要件と誤り補正技術との適合性を評価し、NISQ時代の量子コンピュータに適した実装性を判断する。

実験結果

リサーチクエスチョン

• RQ1 LGZアルゴリズムが解くTDA問題は、広く受け入れられている複雑性理論的仮定のもとで、古典的に実行不可能であるか？
• RQ2 LGZの量子アルゴリズムフレームワークを拡張することで、ランク推定やネットワーク解析といった実用的問題に対して、証明可能な超多項式の量子高速化を達成できるか？
• RQ3 LGZアルゴリズムの背後にある量子手法は、他のQML提案を無効にした一般的な脱量子化技術に対して耐性を示すか？
• RQ4 近い将来の量子デバイスにこれらの量子アルゴリズムを実装するにあたり、どのような実用的課題とリソース要件が生じるか？
• RQ5 入力データやハードウェアのノイズは、どの程度まで許容可能であり、量子TDA計算の正しさを損なわないか？

主な発見

• 一般化されたTDA問題は、1つのクリーン・キュービットモデルをシミュレートするのと同等の難易度であり、これは古典的コンピュータで超多項式時間が必要であると広く信じられているため、古典的非実行可能性を示唆する。
• LGZフレームワークから導出されたランク推定問題は、証明的に古典的に非実行可能であり、この特定のタスクに対して超多項式の量子高速化が保証される。
• TDA、ランク推定、複雑ネットワーク解析のための量子アルゴリズムは、他のQML提案を無効にした一般的な脱量子化手法に対して耐性を示す。
• 古典的プリコンパイル戦略を用いることで、スパース行列アクセスに必要なキュービット数を顕著に削減でき、近い将来のNISQデバイスに適した実装が可能になる。
• 量子アルゴリズムは、組合せラプラシアンに対する小さな摂動に対してロバストであることが示され、ノイズが多いか近似の利くデータ環境でも実用的である可能性が裏付けられる。
• 量子化学や多体物理学における誤り補正技術は、容易に適用可能であり、近い将来の実装における信頼性を高める。