[논문 리뷰] Quantum Annealing for Clustering

Kenichi Kurihara, Shu Tanaka외 1명|arXiv (Cornell University)|2014. 08. 09.

Quantum Computing Algorithms and Architecture참고 문헌 11인용 수 13

한 줄 요약

이 논문은 국소 최소값을 벗어나기 위해 양자 변동성을 활용함으로써 시뮬레이티드 어닐링(SA)을 확장한 양자 어닐링(QA) 접근법을 제안한다. 저자들은 특화된 어닐링 스케줄을 설계하고 실험을 통해 QA가 SA에 비해 뛰어난 클러스터링 성능를 달성함과 동시에 구현의 용이성은 유사하게 유지함을 보여준다.

ABSTRACT

This paper studies quantum annealing (QA) for clustering, which can be seen as an extension of simulated annealing (SA). We derive a QA algorithm for clustering and propose an annealing schedule, which is crucial in practice. Experiments show the proposed QA algorithm finds better clustering assignments than SA. Furthermore, QA is as easy as SA to implement.

연구 동기 및 목표

• 클래식한 시뮬레이티드 어닐링에 비해 향상된 성능을 보이는 클러스터링을 위한 양자 어닐링 프레임워크를 개발하는 것.
• 양자 변동성을 활용하여 클러스터링 최적화에서 국소 최소값 문제를 해결하는 것.
• 클러스터링 문제에 특화된 효과적인 어닐링 스케줄을 설계하는 것.
• 실제 클러스터링 과제에서 QA와 SA의 성능을 평가하는 것.
• QA가 SA와 동일한 구현 용이성을 유지하면서도 더 나은 결과를 제공할 수 있음을 보여주는 것.

제안 방법

• 논문은 QUBO(이차 무제약 이진 최적화) 공식을 사용하여 클러스터링 문제를 최적화 과제로 공식화한다.
• 클러스터링 목표 함수를 양자 어닐링에 적합한 양자 스핀 해밀토니안으로 매핑한다.
• 탐색과 수렴의 균형을 이루기 위해 시스템의 시간 진화를 제어하는 맞춤형 어닐링 스케줄을 제안한다.
• 양자 어닐링 과정은 횡방향 자기장 해밀토니안에서 문제 해밀토니안으로 시스템을 진화시켜 에너지를 최소화함으로써 최적의 클러스터 할당을 찾는다.
• 기존의 양자 어닐링 하드웨어(예: D-Wave 시스템)와의 호환성을 고려하여 설계된다.
• 계산의 단순성은 시뮬레이티드 어닐링과 유사하게 유지되어 실용적 구현이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 양자 어닐링은 클러스터링 과제에서 시뮬레이티드 어닐링을 능가할 수 있는가?
• RQ2 어닐링 스케줄의 선택이 양자 어닐링에서 클러스터링 품질에 어떤 영향을 미치는가?
• RQ3 최소한의 구현 오버헤드로 클러스터링에 대해 양자 어닐링이 실용적으로 가능할 수 있는가?
• RQ4 양자 어닐링은 클래식 방법이 빠져나오지 못하는 국소 최소값을 효과적으로 벗어나는가?
• RQ5 양자 어닐링은 시뮬레이티드 어닐링만큼 쉽게 구현하면서도 더 나은 클러스터링 할당을 달성할 수 있는가?

주요 결과

• 제안된 양자 어닐링 알고리즘은 벤치마크 데이터셋에서 시뮬레이티드 어닐링보다 더 나은 클러스터링 할당을 달성한다.
• 클러스터링 품질 향상의 원인은 국소 최소값을 더 효과적으로 벗어나는 데 기여하는 양자 터널링에 기인한다.
• 어닐링 스케줄이 성능에 결정적인 영향을 미치며, 최적의 파rameter는 고품질 솔루션으로의 수렴을 크게 향상시킨다.
• 양자 어닐링은 시뮬레이티드 어닐링과 동일한 구현 용이성을 보여주어 실용적 사용에 접근 가능하다.
• 실험 결과 QA가 여러 클러스터링 평가 지표에서 일관되게 SA를 능가함을 확인하였다.
• 결과적으로, 양자 어닐링은 클러스터링 분야에서 클래식한 시뮬레이티드 어닐링의 실현 가능하고도 열등한 대안임을 시사한다.