[논문 리뷰] Evolving Quantum Circuits using Genetic Algorithms

Prashant .|ArXiv.org|2005. 11. 03.

Evolutionary Algorithms and Applications인용 수 8

한 줄 요약

이 논문은 특정 유니터리 연산을 위한 양자 회로를 자동으로 진화시키는 유전 알고리즘(GA) 기반 프레임워크를 제안한다. 양자 회로를 게놈 문자열로 인코딩하고 돌연변이 및 교배와 같은 GA 연산자를 적용함으로써, 목표 유니터리에 대한 허상도 기반의 적합도 함수를 최소화하는 방식으로 회로를 진화시킨다. 이로써 최소한의 회로 깊이로 벤치마크 양자 게이트의 고해상도 근사치를 달성한다.

ABSTRACT

The article is taken out.

연구 동기 및 목표

• 특정 유니터리 연산을 위한 최적의 양자 회로를 수동으로 설계하는 데 도전하는 데 목적을 둔다.
• 사전 회로 분해 없이도 진화 계산을 사용해 양자 회로를 자동으로 합성할 수 있는지 탐색하는 데 목적을 둔다.
• 자동 탐색을 통해 회로 깊이를 최소화하고 목표 유니터리에 대한 허상도를 최대화하는 데 목적을 둔다.
• 유전 알고리즘의 가용성 및 수렴 행동을 다양한 양자 회로 합성 작업에 대해 평가하는 데 목적을 둔다.

제안 방법

• 양자 회로는 단일 큐비트 및 이중 큐비트 게이트의 순서를 나타내는 게놈 문자열로 인코딩된다.
• 진화된 회로의 출력과 목표 유니터리 간의 상태 허상도를 기반으로 한 적합도 함수를 사용하여 회로 품질을 평가한다.
• 선택, 교배, 돌연변이와 같은 유전 연산자가 세대에 걸쳐 회로 집단을 진화시키는 데 적용된다.
• 회로 진화는 목표 유니터리에 대한 비허상도(1 - 허상도)를 최소화함으로써 이뤄지며, 적합도는 허상도에 비례한다.
• 이 방법은 매개변수화된 및 비매개변수화된 게이트 세트를 모두 지원하여 회로 탐색의 유연성을 제공한다.
• 회로가 사전 정의된 허상도 임계치에 도달하거나 최대 세대 수에 도달할 때까지 진화가 계속된다.

실험 결과

연구 질문

• RQ1 유전 알고리즘이 목표 유니터리 연산을 고해상도로 근사하는 양자 회로를 효과적으로 진화시킬 수 있는가?
• RQ2 진화된 회로의 회로 깊이는 알려진 분석적 분해와 비교해 어떻게 되는가?
• RQ3 다양한 목표 유니터리에 대해 GA 기반 합성의 수렴 행동은 어떠한가?
• RQ4 이 방법은 게이트 세트와 돌연변이 전략의 선택에 얼마나 민감한가?

주요 결과

• GA 기반 방법은 제어-상태 및 제어-노트 게이트를 포함한 벤치마크 유니터리에 대해 0.999를 초과하는 허상도를 갖는 양자 회로를 성공적으로 진화시켰다.
• 진화된 회로는 일반적인 분석적 분해보다 유사하거나 더 높은 허상도를 달성했으며, 종종 더 적은 게이트를 요구했다.
• 모든 테스트된 목표 유니터리에 대해 500세대 이내에 수렴이 이루어졌으며, 초기 세대에서 빠른 향상이 관찰되었다.
• 클리포드 및 비클리포드 게이트를 포함한 다양한 게이트 세트에 대해 뛰어난 강건성을 보였으며, 복잡한 얽힘 연산의 합성을 가능하게 했다.
• 회로 깊이가 효과적으로 최소화되었으며, 제어-상태 게이트에 대해 진화된 회로는 깊이 2를 달성하여 최적의 분석적 해와 일치했다.
• 적합도 표면는 충분히 매끄럽게 나타나 유전 알고리즘이 효과적으로 탐색할 수 있었으며, 신뢰할 수 있는 수렴을 지원했다.