[논문 리뷰] Chook -- A comprehensive suite for generating binary optimization problems with planted solutions

Dilina Perera, Inimfon Akpabio외 5명|arXiv (Cornell University)|2020. 05. 28.

Quantum Computing Algorithms and Architecture참고 문헌 22인용 수 11

한 줄 요약

Chook는 여러 기법—타일 식재, 위샤르트 식재, 방정식 식재, 속임수 클러스터 루프 등—을 사용하여 식재된 해가 있는 이진 최적화 문제를 생성하는 오픈소스 파이썬 툴킷이다. 이는 문제의 난이도를 조절 가능하게 하고 고차원 상호작용을 지원하며, 다양한 그래프 구조에서 고전적 및 양자 최적화 알고리즘을 평가하기 위한 통합적이고 크로스플랫폼 환경을 제공한다.

ABSTRACT

We present Chook, an open-source Python-based tool to generate discrete optimization problems of tunable complexity with a priori known solutions. Chook provides a cross-platform unified environment for solution planting using a number of techniques, such as tile planting, Wishart planting, equation planting, and deceptive cluster loop planting. Chook also incorporates planted solutions for higher-order (beyond quadratic) binary optimization problems. The support for various planting schemes and the tunable hardness allows the user to generate problems with a wide range of complexity on different graph topologies ranging from hypercubic lattices to fully-connected graphs.

연구 동기 및 목표

• 고전적 및 양자 최적화 알고리즘 평가를 위한 확장 가능하고 조절 가능한 난이도의 기준 문제, 그리고 알려진 최적 해를 가진 문제의 필요를 해결하기 위해.
• 다양한 해 식재 기법을 하나의 접근하기 쉬우며 확장 가능한 파이썬 기반 프레임워크로 통합하기 위해.
• 정사각형(2-로컬) 및 고차원 상호작용(고차원 상호작용, k>2)을 포함한 다양한 그래프 구조에서 이진 최적화 문제를 지원하기 위해.
• 연구자들이 복잡도를 제어할 수 있는 문제를 생성하여 최적화기 간의 체계적 비교 및 계산적 상전이 이론적 연구를 가능하게 하기 위해.
• 이산 커플러, 게이지 변환, 루프-노드 비율 및 거칠기와 같은 구성 가능한 매개변수를 제공하여 재현 가능한 평가를 촉진하기 위해.

제안 방법

• Chook는 타일 식재(격자 기반 부분문제용), 위샤르트 식재(랜덤 행렬 이론 기반), 속임수 클러스터 루프(혼란 유도 복잡성용), 그리고 k-XORSAT 공식화를 통한 방정식 식재를 포함한 여러 해 식재 기법을 구현한다.
• INI 스타일 설정 파일을 사용하는 모듈식 부분문제 사양 시스템을 통해 낮은 차수의 부분문제를 조합하여 고차원 상호작용(k > 2)을 지원한다.
• HOBO 문제 정식화를 위해 스핀 변수(이S_i ∈ {±1})를 부울 변수(x_i ∈ {0,1})로 변환하는 공식 s_i = 1 - 2x_i를 사용한다.
• 속임수 클러스터 루프 문제에서 루프-노드 비율 α, 거칠기 R, 스케일링 인자 λ 등의 매개변수를 통해 문제 난이도를 제어할 수 있다.
• Rademacher 샘플링을 통한 이산 커플러 지원과 함께, 식재된 최저 상태를 은폐하는 게이지 무작위화를 포함한다.
• 하이퍼큐빅 격자에서부터 완전 연결 그래프에 이르기까지 다양한 그래프 구조를 지원하며, 시스템 크기와 커플링 구조를 구성 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 다수의 해 식재 기법을 통합하여 알려진 해가 있는 이진 최적화 문제를 위한 단일 프레임워크를 설계할 수 있는가?
• RQ2 합성 기준 문제에서 시스템 크기와 구조와 독립적으로 문제 난이도를 얼마나 잘 조절할 수 있는가?
• RQ3 타일 식재, 위샤르트, 속임수 클러스터 루프 등의 다양한 식재 방법이 결과 최적화 문제의 계산 복잡성과 구조에 어떤 영향을 미치는가?
• RQ4 식재된 해를 사용할 때 고차원 상호작용(k > 2)이 최적화 알고리즘의 성능과 거동에 어떤 영향을 미치는가?
• RQ5 동일한 소프트웨어 도구가 다양한 그래프 구조에서 2-로컬 및 고차원 상호작용을 효과적으로 지원하면서도 구성 가능성과 사용 편의성을 유지할 수 있는가?

주요 결과

• Chook는 타일 식재, 위샤르트 식재, 속임수 클러스터 루프, 방정식 식재를 포함한 여러 해 식재 기법을 하나의 오픈소스 파이썬 패키지로 성공적으로 통합하였다.
• 낮은 차수의 부분문제를 조합함으로써 최대 k-로컬 상호작용(k > 2)을 가진 문제 생성을 지원하여 고차원 기준 평가를 가능하게 하였다.
• 루프-노드 비율 α, 거칠기 R, 스케일링 인자 λ 등의 매개변수를 통해 문제 난이도를 조절 가능하여 복잡도를 체계적으로 제어할 수 있었다.
• 정사각형 및 입방 격자, 치머라 그래프(최대 16×16), 완전 연결 그래프 등 다양한 그래프 구조를 지원하며, 구성 가능한 시스템 크기 N을 제공하였다.
• Rademacher 샘플링을 통해 이산 커플러를 생성할 수 있었고, 게이지 변환을 통해 식재된 최저 상태를 은폐하여 평가의 현실성과 신뢰성을 높였다.
• Chook는 PyPI와 GitHub를 통해 배포되며, 크로스플랫폼 호환성과 INI 스타일 파일 기반의 구성 기반 인터페이스를 통해 모듈성과 재현 가능성을 확보하였다.