[논문 리뷰] A Lie Algebraic Theory of Barren Plateaus for Deep Parameterized Quantum Circuits

Michael Ragone, Bojko Bakalov외 5명|arXiv (Cornell University)|2023. 09. 17.

Quantum Computing Algorithms and Architecture인용 수 20

한 줄 요약

이 논문은 deep parametrized quantum circuits의 손실 분산을 정확하게 계산하기 위한 일반적인 Lie 대수 프레임워크를 도입하여, 표현력, 데이터 얽힘, 국소성, 및 노이즈를 배런 플레이트의 원천으로 통합한다.

ABSTRACT

Variational quantum computing schemes train a loss function by sending an initial state through a parametrized quantum circuit, and measuring the expectation value of some operator. Despite their promise, the trainability of these algorithms is hindered by barren plateaus (BPs) induced by the expressiveness of the circuit, the entanglement of the input data, the locality of the observable, or the presence of noise. Up to this point, these sources of BPs have been regarded as independent. In this work, we present a general Lie algebraic theory that provides an exact expression for the variance of the loss function of sufficiently deep parametrized quantum circuits, even in the presence of certain noise models. Our results allow us to understand under one framework all aforementioned sources of BPs. This theoretical leap resolves a standing conjecture about a connection between loss concentration and the dimension of the Lie algebra of the circuit's generators.

연구 동기 및 목표

• Variational quantum algorithms에서 배런 플레이트(BPs)를 동기 부여하고 정량화한다.
• 동적 Lie 대수(DLA)를 기반으로 한 단일 Lie 대수 프레임워크 아래에서 서로 다른 BP 원천을 통합한다.
• 광범위한 조건과 노이즈 환경에서 손실 분산의 정확한 표현식을 제공한다.
• 손실 집중을 DLA 차원 및 일반화된 얽힘과 국소성 개념과 연결한다.

제안 방법

• 매개변수 회로를 U(θ)=∏l e^{iHl θl}로 모델링하며, 생성자 Hl은 i𝔲(2^n)에 속한다.
• 동적 Lie 대수 𝔤를 {iHl}의 Lie 폐쇄로 정의하고 𝔤=𝔤1⊕…⊕𝔤k로 분해하되 𝔤k는 아벨이다.
• 깊이가 큰 경우 𝐺=e^{𝔤}에 대해 ε-근사 2-디자인을 사용하여 Weingarten 계산으로 매개변수 평균화된 양을 계산한다.
• 𝔤-순수도 𝒫𝔤(H)=Tr[H𝔤^2]를 𝔤ℂ로의 H의 투영으로 도입하여 분산을 일반화된 얽힘과 국소성과 연결한다.
• 정리 1을 증명하여 손실의 정확한 평균과 분산을 제공한다: E[ℓθ]=Tr[ρ𝔤k O𝔤k] 및 Var[ℓθ]=∑_{j=1}^{k-1} 𝒫𝔤j(ρ)𝒫𝔤j(O)/dim(𝔤j).
• 노이즈를 SPAM 및 코히어런트 에러를 통해 다루고, 대수적 탈코히로겐이 𝒫𝔤(ρ)와 𝒫𝔤(O)에 미치는 영향을 보이고 국소성에 미치는 영향을 보인다.

실험 결과

연구 질문

• RQ1 깊은 매개변수화 양자 회로의 손실 분산을 정확히 계산할 수 있는 조건은 무엇인가?
• RQ2 표현력(DLA 차원), 일반화된 얽힘(𝒫𝔤), 및 측정의 일반화된 국소성이 배런 플레이트에 어떤 영향을 미치는가?
• RQ3 SPAM 및 코히어런트 노이즈가 같은 Lie 대수 프레임워크 내에서 손실 분산을 어떻게 바꾸는가?
• RQ4 단일 프레임워크가 일반 아키텍처에 대한 알려진 BP 원천(표현력, 국소성, 얽힘, 노이즈)을 통합할 수 있는가?
• RQ5 2-design을 형성하는 시점과 필요한 층 수에 대한 함의는 무엇인가?

주요 결과

• 손실의 평균은 DLA의 중심 𝔤k에 의해 결정되며 𝔤에 중심이 없으면 0이 될 수 있다.
• 손실 분산은 비중심 단순 구성요소 𝔤j들의 합으로, 𝔤j의 차원과 ρ 및 O의 𝔤-순수도에 의해 스케일링된다.
• 배런 플레이트는 DLA 차원이 지수적으로 크거나 1/𝒫𝔤(ρ) 또는 1/𝒫𝔤(O)가 Ω(b^n)로 증가하는 경우에 나타난다.
• 깊은 회로의 경우 다항적으로 스케일하는 DLA를 가지더라도 표현력만으로 BP가 발생하지 않을 수 있으며, 초기 상태의 얽힘과 국소성이 역할을 한다.
• 노이즈는 𝒫𝔤(ρ)와 𝒫𝔤(O)에 영향을 주는 대수적 탈코히로케에 의해 집중화를 유도하거나 억제할 수 있으며, 코히어런트 에러는 DLA를 확장시켜 표현력을 증가시킬 수 있다.
• 이 연구는 경계가 아닌 정확한 분산 표현식을 제공하며 단일 프레임워크 내에서 BP 기원의 양을 정량화하는 방법을 보여준다.