[논문 리뷰] Extending the D-Wave with support for Higher Precision Coefficients

John E. Dorband|arXiv (Cornell University)|2018. 07. 13.

Quantum Computing Algorithms and Architecture참고 문헌 1인용 수 12

한 줄 요약

이 논문은 D-Wave 양자 앤날링 기계가 원래 4–5비트 해상도에 비해 더 높은 정밀도 계수를 요구하는 최적화 문제를 해결할 수 있도록 해주는 후처리 알고리즘 HPE(High Precision Enhancement)를 제안한다. 여러 개의 스케일링된 목적 함수 버전을 생성하고 각 버전의 샘플에 다중 큐비트 보정(MQC)을 적용함으로써, 원래의 D-Wave나 MQC만을 사용할 때보다 진정한 전역 최소값에 더 가까운 해를 얻을 수 있다. 특히 하드웨어 정밀도가 제한된 경우에 유의미한 성능 향상을 보인다.

ABSTRACT

D-Wave only guarantees to support coefficients with 4 to 5 bits of resolution or precision. This paper describes a method to extend the functionality of the D-Wave to solve problems that require the support of higher precision coefficients.

연구 동기 및 목표

• D-Wave 하드웨어가 계수 정밀도를 4–5비트로만 보장하므로, 더 높은 정밀도 계수를 요구하는 문제를 해결하는 데에 한계가 있음을 해결하기 위해.
• 다양한 저정밀도 문제 변형을 활용하여 후처리를 통해 더 높은 정밀도의 해를 추출하는 방법을 개발하기 위해.
• 하드웨어 정밀도가 제한되어 있어도, 알고리즘이 더 높은 정밀도의 양자 하드웨어에서 나온 해와 경쟁하거나 그 이상의 성능을 내도록 보장하기 위해.
• HPE가 고정밀도 문제의 진정한 전역 최소값에 가까운 해를 복구하는 데에 실현 가능하고 효과적인지 검증하기 위해.

제안 방법

• HPE는 원래 목적 함수 F^k = c_k * F의 여러 스케일링된 버전을 구성한다. 여기서 c_k는 다양한 해상도를 탐색하기 위해 변화하는 스케일링 상수이다.
• 각 스케일링된 함수 F^k에 대해 D-Wave는 qubit 구성 q_i 각각이 F^k의 해를 나타내는 샘플 집합 S^k을 반환한다.
• 하이브리드 샘플 집합 T^h는 각 S^k에서 하나의 샘플을 선택하여 구성되며, 이는 이후 다중 큐비트 보정(MQC) 알고리즘을 통해 단일 후보 해 t^h로 축소된다.
• 모든 이러한 t^h 샘플들은 최종 집합 H로 수집되며, 이는 다시 MQC를 통해 단일 해 h로 축소되어 HPE의 출력이 된다.
• 스케일링 인자에 기하급수적 증가를 적용함으로써 해상도를 점진적으로 높이며, 각 단계에서 약 0.5비트의 정밀도 향상을 달성한다 (c_k = c_0 * (√2)^k).
• MQC는 스케일링된 버전이 아닌 원래의 고정밀도 계수를 사용하여 적용되어, 최종 해가 진정한 목적 함수에서 평가되도록 보장한다.

실험 결과

연구 질문

• RQ1 계수 정밀도가 제한된 양자 앤날링 기계(예: 3비트)가 고정밀도 최적화 문제(예: 9비트)를 원래의 D-Wave 출력보다 더 효과적으로 해결할 수 있는가?
• RQ2 목적 함수의 여러 스케일링된 버전을 조합하고 MQC 후처리를 적용할 경우, 원래의 D-Wave 샘플에만 MQC를 적용하는 것보다 진정한 전역 최소값에 더 가까운 해를 얻을 수 있는가?
• RQ3 하드웨어 정밀도가 문제 정밀도보다 낮을 경우, HPE의 성능이 원래의 D-Wave와 MQC와 비교해 어떻게 되는가?
• RQ4 하드웨어가 3비트 정밀도로 제한되어 있어도, 원래의 D-Wave 결과에 MQC를 적용한 경우와 비교해 HPE가 일관되게 MQC를 능가할 수 있는가?
• RQ5 기하급수적 증가(예: √2)와 같은 스케일링 전략이 여러 목적 함수 변형 간에 정밀도와 해 품질을 최적의 균형을 이루도록 하는가?

주요 결과

• 3비트 하드웨어 정밀도와 9비트 기준값을 가진 가능성을 시험한 결과, HPE는 1,000건의 사례 중 119건에서 원래의 D-Wave를 초월했고, MQC와 동일하거나 그 이상이었던 경우도 119건이었다.
• 하드웨어 정밀도가 문제 정밀도와 일치할 경우(9비트), HPE는 100건 중 56건(56%)에서 MQC를 초월했고, 44%는 MQC와 동일한 성능을 보였다.
• 9비트 하드웨어와 최대 49비트 문제를 가진 고정밀도 테스트에서 HPE는 원래의 D-Wave를 100%의 경우에서 능가했고, MQC를 55%의 경우에서 매칭하거나 초월했다.
• 이중 정밀도 계수를 사용한 비제약 테스트에서 HPE는 1,000건 중 61건(61%)에서 MQC보다 더 좋은 해를 얻었으며, 이는 전체 정밀도 문제에서의 강건성을 보여준다.
• 알고리즘은 원래의 D-Wave보다 목적 함수 값을 항상 낮추었고, 종종 MQC보다도 낮추었으며, 이는 여러 스케일링된 문제 인스턴스 간의 해의 구조를 효과적으로 활용했음을 시사한다.
• 기하급수적 스케일링(c_k = c_0 * (√2)^k)을 사용함으로써 체계적인 해상도 향상을 달성했고, 20개의 목적 함수 버전을 사용해 약 10–12비트의 효과적 정밀도를 탐색했다.