[논문 리뷰] Iterative Quantum Algorithms for Maximum Independent Set: A Tale of Low-Depth Quantum Algorithms

Lucas T. Brady, Stuart Hadfield|arXiv (Cornell University)|2023. 09. 22.

Quantum Computing Algorithms and ArchitectureComputer Science인용 수 3

한 줄 요약

이 논문은 최대 독립 집합(MIS) 문제를 위한 반복 양자 알고리즘(IQA)을 제안하며, 재귀적 QAOA 프레임워크를 일반화한다. 깊이 $ p=1 $일 때 IQA는 고전적 탐욕 알고리즘과 정확히 동일하게 작동하지만, $ p>1 $일 경우 양자 강화된 반복 단계가 향상된 성능을 제공함을 보여주며, 이는 근접한 양자 장치에서의 양자 우월성이 순수한 양자 속도 향상보다는 하이브리드 고전-양자 설계에 기인할 수 있음을 시사한다.

ABSTRACT

Quantum algorithms have been widely studied in the context of combinatorial optimization problems. While this endeavor can often analytically and practically achieve quadratic speedups, theoretical and numeric studies remain limited, especially compared to the study of classical algorithms. We propose and study a new class of hybrid approaches to quantum optimization, termed Iterative Quantum Algorithms, which in particular generalizes the Recursive Quantum Approximate Optimization Algorithm. This paradigm can incorporate hard problem constraints, which we demonstrate by considering the Maximum Independent Set (MIS) problem. We show that, for QAOA with depth $p=1$, this algorithm performs exactly the same operations and selections as the classical greedy algorithm for MIS. We then turn to deeper $p>1$ circuits and other ways to modify the quantum algorithm that can no longer be easily mimicked by classical algorithms, and empirically confirm improved performance. Our work demonstrates the practical importance of incorporating proven classical techniques into more effective hybrid quantum-classical algorithms.

연구 동기 및 목표

• 최대 독립 집합(MIS)과 같은 조합 최적화 문제에 적용 가능한 반복 양자 최적화(IQA)의 일반적 프레임워크를 개발하는 것.
• 하이브리드 환경에서 양자 강화를 활용함으로써 반복 양자 알고리즘이 고전적 대안을 능가할 수 있는지 조사하는 것.
• 낮은 회로 깊이($ p=1 $)에서 QAOA 기반 IQA의 성능을 분석하고 고전적 탐욕 알고리즘과 비교하는 것.
• 양자 회로 깊이($ p>1 $)를 증가시킴으로써 더 풍부한 구조적 정보에 접근할 수 있으며, 이는 고전적 휴리스틱을 초월한 해의 품질 향상에 기여함을 탐색하는 것.
• 기존 고전적 기법을 양자 하이브리드 워크플로우에 통합함으로써 근접한 양자 장치에서의 양자 우월성 잠재력을 평가하는 것.

제안 방법

• QAOA 기반의 새로운 반복 양자 알고리즘을 제안하며, 각 반복 단계에서 양자 보조 정점 선택을 통해 그래프 크기를 줄인다.
• 깊이 $ p=1 $의 QAOA를 사용해 정점 선택을 위한 기대값을 계산하며, 고전적 탐욕 선택 규칙과 동치임을 보여준다.
• 재귀적 감소 전략을 적용: 양자 출력에 기반해 정점을 선택하고, 이를 제거하고 그 이웃도 제거한 후 나머지 그래프에서 반복한다.
• 깊이 $ p>1 $의 QAOA로 프레임워크를 확장함으로써 더 큰 국소 이웃에 대한 접근이 가능해지고 해의 품질이 향상됨을 가능하게 한다.
• MINQ 및 MAXQ와 같은 변형을 도입하여 반복 단계에서 비트 고정을 안내하는 양자 결정을 사용함으로써 고전적 탐욕 휴리스틱을 일반화한다.
• 에르되시-레니 그래프에서의 실험적 평가를 통해 고전적 알고리즘, 비반복적 QAOA, 반복적 양자 알고리즘 간의 근사 비율을 비교한다.

실험 결과

연구 질문

• RQ1 깊이 $ p=1 $의 반복 양자 알고리즘이 MIS 문제에서 고전적 탐욕 알고리즘과 동일한 결과를 내는가?
• RQ2 더 깊은 QAOA 회로($ p>1 $)는 반복 양자 프레임워크 내에서 고전적 탐욕 알고리즘보다 향상된 성능을 제공하는가?
• RQ3 양자 강화된 반복 알고리즘이 고전적 알고리즘 기법의 통찰력에서 얼마나 많은 이점을 얻는가? 이는 양자 우월성 주장에 어떤 영향을 미치는가?
• RQ4 반복 양자 알고리즘의 성능은 그래프 크기와 간선 밀도에 따라 비반복적 QAOA와 비교해 어떻게 변화하는가?
• RQ5 최대 클리크나 최소 정점 커버와 같은 문제 변환을 통해 반복 양자 접근법을 다른 NP-난이도 문제로 일반화할 수 있는가?

주요 결과

• $ p=1 $일 때 반복 양자 알고리즘은 고전적 탐욕 알고리즘과 정확히 동일하게 작동하며, 각 반복에서 동일한 정점을 선택한다.
• $ p=1 $일 때 양자 알고리즘은 고전적 탐욕 알고리즘에서 이용 가능한 정보 외에 추가 정보에 접근하지 못하므로, 이 영역에서는 양자 우월성이 없다.
• $ p>1 $일 경우 양자 알고리즘은 더 큰 국소 이웃에 대한 정보에 접근할 수 있어 고전적 탐욕 알고리즘을 능가하는 더 나은 해의 품질을 제공한다.
• 실험 결과에 따르면 깊이 $ p=2 $인 반복 양자 알고리즘은 비반복적 QAOA보다 유의미하게 높은 근사 비율을 기록하며, $ n=5 $일 때 0.69에서 $ n=16 $일 때 0.495로 감소하는 비반복적 QAOA와의 격차가 커진다.
• 반복 양자 알고리즘과 고전적 탐욕 알고리즘 간의 성능 격차는 회로 깊이가 증가함에 따라 커지며, 이는 양자 강화가 더 풍부한 정보 접근에 기인함을 시사한다.
• 이 프레임워크는 QAOA 변형, 하드웨어 효율적 앤사, 양자 안일링 등 다양한 양자 알고리즘과 호환되어 최적화 문제에 광범위하게 적용 가능하다.