[논문 리뷰] A Quantum Walk Enhanced Grover Search Algorithm for Global Optimization

Yan Wang|arXiv (Cornell University)|2017. 11. 18.

Quantum Computing Algorithms and Architecture참고 문헌 19인용 수 5

한 줄 요약

이 논문은 글로벌 최적화를 가속화하기 위해 연속시간 양자 산책과 그로버 검색을 통합한 하이브리드 양자 알고리즘을 제안한다. 양자 턨널링을 활용함으로써 초기 단계의 임계값 선택을 향상시켜 해 공간 축소와 확률 분포의 뾰족함을 개선하여, 표준 그로버 검색이나 고전적 휴리스틱 방법보다 빠른 수렴을 이룬다.

ABSTRACT

One of the significant breakthroughs in quantum computation is Grover's algorithm for unsorted database search. Recently, the applications of Grover's algorithm to solve global optimization problems have been demonstrated, where unknown optimum solutions are found by iteratively improving the threshold value for the selective phase shift operator in Grover rotation. In this paper, a hybrid approach that combines continuous-time quantum walks with Grover search is proposed so that the search is accelerated with improved threshold values. By taking advantage of the quantum tunneling effect, better threshold values can be found at the early stage of the search process so that the sharpness of probability improves. The results between the new algorithm, existing Grover search, and classical heuristic algorithms are compared.

연구 동기 및 목표

• 글로벌 최적화를 위한 표준 그로버 검색이 초기 단계에서 임계값 선택에 비효율적인 문제를 해결한다.
• 낮은 로테이션 수에서 균일하게 분포된 진폭에 의존하는 그로버 검색의 한계를 극복한다.
• 양자 산책을 사용하여 고품질의 임계값 값 식별을 가속화함으로써 수렴 속도를 향상시킨다.
• 양자 터널링을 통해 초기 임계값 품질을 향상시켜 그로버 반복 수를 줄인다.
• 양자 산책과 그로버 로테이션을 통합한 하이브리드 프레임워크를 개발하여 최적화 효율성을 향상시킨다.

제안 방법

• 낮은 로테이션 수를 가진 초기 검색 단계에서 그로버 로테이션을 대체하기 위해 양자 산책을 사용하는 하이브리드 알고리즘을 도입한다.
• 연속시간 양자 산책을 사용하여 더 나은 기능 값에 치우친 진폭 분포를 생성함으로써 임계값 향상 효과를 높인다.
• 고전적 랜덤 샘플링보다 높은 가치의 해 공간 영역을 더 효과적으로 탐색하기 위해 양자 터널링을 적용한다.
• 로테이션 수가 증가함에 따라 점차적으로 양자 산책에서 그로버 로테이션으로 전환하여 전역 최적해에 수렴하도록 보장한다.
• 양자 산책과 그로버 로테이션 단계 간의 전환점을 제어하기 위해 회전 임계값 매개변수 $ R_0 $ 를 사용한다.
• 양자 산책 동역학을 모델링하기 위해 유니터리 진동 연산자 $ U(\tau) $ 를 활용하며, 진폭 기반의 진동으로 고전적 마코프 전이 행렬을 대체한다.

실험 결과

연구 질문

• RQ1 양자 산책은 그로버 기반 최적화의 초기 임계값 선택을 향상시켜 수렴 속도를 높일 수 있는가?
• RQ2 양자 산책의 통합은 초기 검색 단계 동안 확률 분포의 뾰족함에 어떤 영향을 미치는가?
• RQ3 다양한 목적 함수에 대해 양자 산책 사용과 그로버 로테이션 수의 최적 균형은 무엇인가?
• RQ4 유전자 알고리즘과 시뮬레이티드 어닐링과 같은 고전적 휴리스틱 알고리즘에 비해 하이브리드 접근법이 성공률과 기능 평가 횟수 측면에서 뛰어나게 되는가?
• RQ5 회전 임계값 $ R_0 $ 는 다양한 테스트 함수에 걸쳐 하이브리드 알고리즘의 효율성에 어떤 영향을 미치는가?

주요 결과

• Rastrigin, Schwefel, Ackley 함수에 대해 특히 빠른 수렴을 보이며, BBW-QW 알고리즘이 표준 BBW 및 고전적 휴리스틱 방법보다 빠른 성능을 발휘한다.
• Rastrigin 함수의 경우, $ R_0 = 2 $ 를 사용한 BBW-QW 알고리즘은 BBW 대비 성공 확률과 기능 평가 효율성에서 뚜렷한 향상을 보였다.
• Schwefel 함수의 경우, 몇 차례의 반복만으로도 성공 확률이 1에 도달하여 효과적인 임계값 선택 덕분에 빠른 수렴이 이루어졌다.
• 최적의 $ R_0 $ 값은 함수의 복잡성에 따라 달라진다: 국소 최적값이 적은 함수의 경우 $ R_0 < 2 $ 가 효과적이며, 더 복잡한 경관에서는 높은 값이 필요하다.
• 유전자 알고리즘과 시뮬레이티드 어닐링은 특히 고해상도 검색에서 양자 알고리즘보다 훨씬 더 많은 기능 평가 횟수를 요구한다.
• 디코herence의 영향을 고려할 때 양자 계산에서 반복 수를 줄이는 것이 핵심이며, 하이브리드 알고리즘은 초기 단계에서 임계값 품질을 향상시킴으로써 이를 달성한다.