[논문 리뷰] Computing solution space properties of combinatorial optimization problems via generic tensor networks

Jinguo Liu, Xun Gao외 3명|arXiv (Cornell University)|2022. 05. 07.

Machine Learning in Materials Science인용 수 6

한 줄 요약

이 논문은 NP-난이도 조합 최적화 문제의 다양한 해 공간 성질을 계산하기 위해 일반적인 텐서 네트워크를 사용하는 통합 프레임워크를 소개한다. 해의 수세기, 열거, 샘플링 등의 성질을 계산하며, 텐서 네트워크 요소를 가환 세미링으로 일반화함으로써 독립 다항식 계수, 해의 엔트로피, 오버랩 갭 행동과 같은 성질을 효율적으로 계산한다. 이는 최대 독립 집합 문제와 양자 알고리즘 분석에 적용 가능함을 보여준다.

ABSTRACT

We introduce a unified framework to compute the solution space properties of a broad class of combinatorial optimization problems. These properties include finding one of the optimum solutions, counting the number of solutions of a given size, and enumeration and sampling of solutions of a given size. Using the independent set problem as an example, we show how all these solution space properties can be computed in the unified approach of generic tensor networks. We demonstrate the versatility of this computational tool by applying it to several examples, including computing the entropy constant for hardcore lattice gases, studying the overlap gap properties, and analyzing the performance of quantum and classical algorithms for finding maximum independent sets.

연구 동기 및 목표

• NP-난이도 조합 최적화 문제의 다양한 해 공간 성질을 위한 통합 계산 프레임워크를 개발하는 것.
• 텐서 네트워크 요소를 표준 숫자 유형을 초월해 임의의 가환 세미링 구조로 일반화함으로써 텐서 네트워크를 확장하는 것.
• 해의 수세기, 열거, 샘플링, 오버랩 갭 행동과 같은 성질을 효율적으로 계산할 수 있도록 하는 것.
• 이러한 계산된 해 공간 특징을 바탕으로 고전적 및 양자 알고리즘의 성능을 분석하는 것.
• 독립 집합 문제를 초월한 광범위한 최적화 문제에 적용 가능한 확장 가능한, 일반적인 프로그래밍 도구를 제공하는 것.

제안 방법

• 임의의 가환 세미링으로 일반화된 텐서 네트워크 요소를 사용하여 해 공간 성질의 대수적 조작을 가능하게 하는 것.
• 세미링 값을 갖는 정점 및 간선 텐서를 사용하여 독립 집합 문제를 텐서 네트워크 수축 문제로 환원하는 것.
• 수세기(N), 탑질라(min, +), 샘플링(다항식)과 같은 다양한 세미링 대수—예를 들어—를 사용하여 해 공간 성질의 서로 다른 측정치를 계산하는 것.
• 수행 성능을 높이기 위해 최적의 수축 순서와 탑질라 행렬 곱셈을 사용하여 효율적인 텐서 네트워크 수축을 구현하는 것.
• 기존 텐서 네트워크 라이브러리를 활용하고, Julia 기반 코드를 사용해 일반적인 대수 연산을 확장하여 공개 저장소에 구현하는 것.
• 해 공간의 연결성, 엔트로피 상수, 해 집합 간 허밍턴 거리 분포를 계산하기 위해 프레임워크를 적용하는 것.

실험 결과

연구 질문

• RQ1 단일 텐서 네트워크 프레임워크로 조합 최적화 문제의 여러 해 공간 성질을 계산할 수 있는가?
• RQ2 세미링 값을 갖는 일반 텐서 네트워크를 사용하여 해의 수세기, 열거, 샘플링을 어떻게 계산할 수 있는가?
• RQ3 해 공간의 연결성과 오버랩 갭 성질을 계산함으로써, 특히 고전적 및 양자 솔버에 대한 알고리즘 성능에 대한 통찰을 얻을 수 있는가?
• RQ4 이 프레임워크는 독립 집합 문제를 초월한 다른 NP-난이도 문제로도 확장 가능한가?
• RQ5 국소 최소점과 최적 해 사이의 허밍턴 거리 분포가 시뮬레이션된 냉각 및 양자 애디아바틱 알고리즘의 성능에 어떻게 영향을 미치는가?

주요 결과

• 프레임워크는 다양한 그래프에 대해 독립 다항식 계수를 성공적으로 계산하여, 모든 크기의 독립 집합의 정확한 수세기를 가능하게 했다.
• 이 방법은 독립 집합의 로그 성장률을 평가함으로써 하드코어 격자 가스의 엔트로피 상수를 계산하여 기존 이론적 값과 일치함을 확인했다.
• 랜덤 그래프에서 오버랩 갭 성질(OGP)이 관찰되었으며, 해 클러스터들이 큰 허밍턴 거리로 분리되어 있어 알고리즘적 난이도의 징후로 나타났다.
• 양자 알고리즘 샘플링은 최대 독립 집합으로부터 넓은 허밍턴 거리 분포를 보였으며, 고립된 국소 최소점에 갇히지 않음을 시사했다.
• 해 공간의 연결성과 샘플링 데이터에 기반하여, 일부 사례에서 양자 알고리즘이 시뮬레이션된 냉각보다 제곱근 속도 향상 잠재력을 보여주었다.
• 최적의 수축 순서와 탑질라 행렬 곱셈을 통합한 Julia 기반 구현은 수천 개 노드를 가진 그래프에서도 효율적인 계산을 가능하게 했다.