[논문 리뷰] Homology Computation of Large Point Clouds using Quantum Annealing

Raouf Dridi, Hedayat Alghassi|arXiv (Cornell University)|2015. 12. 23.

Topological and Geometric Data Analysis참고 문헌 29인용 수 14

한 줄 요약

이 논문은 클리크 커버를 사용하여 데이터를 다룰 수 있는 부분 복합체로 분해함으로써 대규모 점군의 호모로지를 계산하기 위한 양자 앤날링 파이프라인을 제시한다. 이 방법은 클리크 커버링을 위한 세 가지 QUBO 설정을 활용하여, 커버링 단계 이후 데이터 크기의 다항식 스케일링을 달성하며, D-Wave 2X 프로세서에서 성공적으로 테스트되었다.

ABSTRACT

Homology is a tool in topological data analysis which measures the shape of the data. In many cases, these measurements translate into new insights which are not available by other means. To compute homology, we rely on mathematical constructions which scale exponentially with the size of the data. Therefore, for large point clouds, the computation is infeasible using classical computers. In this paper, we present a quantum annealing pipeline for computation of homology of large point clouds. The pipeline takes as input a graph approximating the given point cloud. It uses quantum annealing to compute a clique covering of the graph and then uses this cover to construct a Mayer-Vietoris complex. The pipeline terminates by performing a simplified homology computation of the Mayer-Vietoris complex. We have introduced three different clique coverings and their quantum annealing formulation. Our pipeline scales polynomially in the size of the data, once the covering step is solved. To prove correctness of our algorithm, we have also included tests using D-Wave 2X quantum processor.

연구 동기 및 목표

• 위상적 데이터 분석에서 대규모 점군의 호모로지 계산의 지수적 고전적 스케일링 문제를 해결하기 위해.
• 고전적 계산적 병목 현상을 극복하기 위한 양자 최적화 파이프라인 개발을 위해.
• 클리크 커버링 문제를 QUBO로 재구성하여 양자 앤날링을 통해 해결함으로써 확장 가능한 호모로지 계산을 가능하게 하기 위해.
• D-Wave 2X 양자 프로세서를 사용하여 파이프라인의 타당성과 정확성을 입증하기 위해.
• 양자 앤날링이 클리크 커버링 단계를 가속화하는 풀러-에이지닉 프레임워크를 제공하여, 대규모 데이터셋에서 다항식 시간 내에 호모로지 계산을 가능하게 하기 위해.

제안 방법

• 점군을 1-스켈레톤 그래프로 근사하고, 클리크 확장을 통해 단순 복합체를 구성하기 위해.
• 1-스켈레톤을 클리크로 커버하여 Mayer-Vietoris 확장 구조를 적용해 복합체를 분해하기 위해.
• 최소 간선 클리크 커버, 최소 정점 클리크 커버, 간선 불량립 클리크 커버의 세 가지 클리크 커버링 문제를 이차형 무제약 이진 최적화(QUBO) 문제로 공식화하기 위해.
• 논리적 큐비트 임베딩과 체인 매핑을 통해 QUBO 문제를 D-Wave 2X 프로세서의 카이머아 아키텍처에 매핑하기 위해.
• 양자 앤날링을 사용하여 QUBO 문제를 해결하고, 단순 복합체 데이터를 압축하는 클리크 커버를 확보하기 위해.
• 클리크 커버에서 유도된 Mayer-Vietoris 복합체를 구성하고, 결과 복합체에서 단순화된 호모로지 계산을 수행하기 위해.

실험 결과

연구 질문

• RQ1 대규모 점군에서 확장 가능한 호모로지 계산의 기초가 되는 클리크 커버링 문제를 효과적으로 해결하기 위해 양자 앤날링을 사용할 수 있는가?
• RQ2 클리크 커버링 단계 이후 파이프라인의 데이터 크기 대비 다항식 스케일링이 고전적 지수적 스케일링 대비 달성되는가?
• RQ3 D-Wave 2X 프로세서가 호모로지 계산에 필요한 클리크 커버링 문제의 QUBO 설정을 신뢰성 있게 해결할 수 있는가?
• RQ4 다른 클리크 커버링 설정(간선, 정점, 간선 불량립)이 결과 호모로지 계산의 효율성과 정확성에 어떤 영향을 미치는가?
• RQ5 Mayer-Vietoris 복합체 구성이 원래 점군의 위상적 불변량(예: 베티 수)을 어느 정도 유지하는가?

주요 결과

• 클리크 커버링 단계가 해결된 후, 파이프라인이 데이터 크기의 다항식 스케일링을 달성하여 고전적 지수적 스케일링을 초월한다.
• 최소 간선 클리크 커버, 최소 정점 클리크 커버, 간선 불량립 간선 클리크 커버의 세 가지 서로 다른 QUBO 설정이 성공적으로 구현되고 테스트되었다.
• D-Wave 2X 프로세서가 클리크 커버링을 위한 QUBO 문제를 성공적으로 해결하였으며, 최대 16개 정점과 56개 간선을 가진 그래프에 대한 임베딩이 검증되었다.
• 12×12 카이머아 격자에서 50개 변수의 QUBO 문제에 대해 280개의 문제 커플러와 586개의 체인 커플러에 대한 임베딩 성공이 확인되었다.
• 테스트 그래프의 베티 수가 정확하게 계산되었으며, 결과 표에서 체크마크를 통해 임베딩 성공이 확인되었다.
• 이 방법은 클리크 커버를 통해 대규모 단순 복합체를 압축하고, 이를 통해 대규모 데이터의 효율적 위상 분석이 가능하다는 것을 보여준다.