[논문 리뷰] Quantum algorithms for zero-sum games

Joran van Apeldoorn, András Gilyén|arXiv (Cornell University)|2019. 04. 05.

Quantum Computing Algorithms and Architecture참고 문헌 6인용 수 9

한 줄 요약

이 논문은 양자 겹침 표본 추출을 사용하여 두 명의 플레이어가 참여하는 제로섬 게임에서 근사 내쉬 균형을 계산하는 양자 알고리즘을 제시한다. 이 알고리즘은 서브라인어 쿼리 복잡도를 달성하며, 밀도 높은 및 희소한 수익 행렬에 대해 각각 $\tilde{O}(σn+m/ε^3)$ 및 $\tilde{O}(√s/ε^{3.5})$의 쿼리 복잡도를 달성한다. 또한 오차와 희소성에 대한 더 나은 의존도를 보이며, 양자 선형 프로그래밍 해법기로 확장된다.

ABSTRACT

We derive sublinear-time quantum algorithms for computing the Nash equilibrium of two-player zero-sum games, based on efficient Gibbs sampling methods. We are able to achieve speed-ups for both dense and sparse payoff matrices at the cost of a mildly increased dependence on the additive error compared to classical algorithms. In particular we can find $\varepsilon$-approximate Nash equilibrium strategies in complexity $ ilde{O}(\sqrt{n+m}/\varepsilon^3)$ and $ ilde{O}(\sqrt{s}/\varepsilon^{3.5})$ respectively, where $n imes m$ is the size of the matrix describing the game and $s$ is its sparsity. Our algorithms use the LP formulation of the problem and apply techniques developed in recent works on quantum SDP-solvers. We also show how to reduce general LP-solving to zero-sum games, resulting in quantum LP-solvers that have complexities $ ilde{O}(\sqrt{n+m}γ^3)$ and $ ilde{O}(\sqrt{s}γ^{3.5})$ for the dense and sparse access models respectively, where $γ$ is the relevant "scale-invariant" precision parameter

연구 동기 및 목표

• 서브라인어 쿼리 복잡도를 갖는 두 명의 플레이어가 참여하는 제로섬 게임에서 근사 내쉬 균형을 계산하는 양자 알고리즘을 개발한다.
• 이전의 양자 SDP 기반 접근법에 비해 양자 선형 프로그래밍 해법기에서 오차와 희소성에 대한 의존도를 줄인다.
• 스케일 파라미터에 의존하지 않고도 행렬 게임에 대해 양자 스피드업을 달성할 수 있음을 보여주어 실용적 적용 가능성을 높인다.
• 일반 선형 프로그래밍을 제로섬 게임으로 환원하는 방법을 보여주며, 향상된 복잡도를 갖는 새로운 양자 선형 프로그래밍 해법기를 가능하게 한다.

제안 방법

• 알고리즘은 제로섬 게임의 선형 프로그래밍 공식화를 사용하고, 최적 전략 분포에서 효율적으로 표본을 추출하기 위해 양자 겹침 표본 추출 기법을 적용한다.
• 밀도 높은 행렬의 경우, 고전적 반복 방법에 비해 양자 스피드업을 활용하여 $\tilde{O}(√{n+m}/ε^3)$의 쿼리 복잡도를 달성한다.
• 희소 행렬의 경우, 수익 행렬의 희소성을 활용하여 복잡도를 $\tilde{O}(√s/ε^{3.5})$로 감소시킨다. 여기서 $s$는 최대 행 또는 열의 희소성이다.
• 해법의 접근법은 LP 제약 조건을 오차를 통제할 수 있도록 게임 행렬에 통합하는 변환을 통해 일반 선형 프로그래밍을 제로섬 게임으로 환원한다.
• 약한 이중성과 타당성 완화를 사용하여, 게임을 추가 오차 $ε^{\prime\prime\prime}$ 이내로 해결하면 원래 LP의 $ε$-최적성과 $ε$-타당성 해가 유도됨을 보장한다.
• 양자 스피드업은 고전적 반복을 양자 확률 증폭과 겹침 표본 추출로 대체함으로써 달성되며, 쿼리 수를 줄이면서도 정확도를 유지한다.

실험 결과

연구 질문

• RQ1 양자 알고리즘이 제로섬 게임에서 근사 내쉬 균형을 계산할 때 서브라인어 쿼리 복잡도를 달성할 수 있는가?
• RQ2 이 양자 알고리즘의 오차 의존도는 고전적 방법과 이전의 양자 SDP 기반 방법에 비해 어떻게 비교되는가?
• RQ3 수익 행렬에 대한 희소 액세스가 행렬 게임에 대한 양자 알고리즘의 복잡도 스케일링을 향상시킬 수 있는가?
• RQ4 일반 선형 프로그래밍을 제로섬 게임으로 환원하면서도 양자 스피드업을 유지하고 오차 의존도를 향상시킬 수 있는가?
• RQ5 희소성 인식 액세스를 갖는 제로섬 게임으로의 환원을 통해 LP를 해결하는 데 필요한 최소한의 양자 쿼리 복잡도는 얼마인가?

주요 결과

• 밀도 높은 수익 행렬에 대해 논문은 $\tilde{O}(√{n+m}/ε^3)$의 양자 쿼리 복잡도를 달성하며, $n+m$에 대해 고전적 알고리즘 대비 제곱근의 스피드업을 제공한다.
• 희소 행렬의 경우 알고리즘은 $\tilde{O}(√s/ε^{3.5})$의 쿼리 복잡도를 달성한다. 여기서 $s$는 희소성이며, 희소 인스턴스에 대해 향상된 스케일링을 제공한다.
• 밀도 높은 게임 환원 기반의 양자 선형 프로그래밍 해법기는 정밀도 파라미터 $ε$에 대해 세제곱 의존도를 보이며, 이는 이전의 양자 SDP 해법기의 오第五届 제곱 의존도보다 향상된 것이다.
• 희소 양자 선형 프로그래밍 해법기는 $n$과 $m$이 아닌 LP의 희소성 $s$에 의존하는 최초의 해법기로, 희소 문제에 대해 더 나은 성능을 제공한다.
• 선형 프로그래밍에서 제로섬 게임으로의 환원은 게임을 추가 오차 $ε^{\prime\prime\prime} = ε/(6R(r+1))$ 이내로 해결하면 원래 LP의 $ε$-최적 및 $ε$-타당성 해가 도출됨을 보장한다.
• 변환된 게임에서 약한 이중성과 타당성 완화를 사용함으로써 정확성과 정확도를 유지하며, 오차 전파가 유한하게 제한됨을 보장한다.