[논문 리뷰] Quantum Gibbs Sampling Using Szegedy Operators

Robert R. Tucci|arXiv (Cornell University)|2009. 10. 09.

Markov Chains and Monte Carlo Methods참고 문헌 5인용 수 4

한 줄 요약

이 논문은 고전적 베이지안 네트워크의 급속한 급속 샘플링을 위한 양자 알고리즘을 제시한다. 이 알고리즘은 Szegedy 연산자와 위상 추정을 사용하여 정밀도 O(ǫ)로 O(1/√δ) 단계를 달성하며, δ는 급속 마르코프 체인의 고유값 갭이다. 이는 동일한 정밀도에서 고전적 급속 샘플링이 O(1/δ) 단계를 요구하는 것에 비해, 양자 위상 추정과 그로버의 확산을 활용하여 목표 급속 상태를 효율적으로 준비함으로써 향상된 성능을 보인다.

ABSTRACT

We present an algorithm for doing Gibbs sampling on a quantum computer. The algorithm combines phase estimation for a Szegedy operator, and Grover's algorithm. For any $ε>0$, the algorithm will sample a probability distribution in ${\cal O}(\frac{1}{\sqrtδ})$ steps with precision ${\cal O}(ε)$. Here $δ$ is the distance between the two largest eigenvalue magnitudes of the transition matrix of the Gibbs Markov chain used in the algorithm. It takes ${\cal O}(\frac{1}δ)$ steps to achieve the same precision if one does Gibbs sampling on a classical computer.

연구 동기 및 목표

• 고전적 베이지안 네트워크의 효율적인 급속 샘플링을 위한 양자 알고리즘을 개발하기 위해.
• 고전 컴퓨터에서 O(1/δ) 단계가 필요한 급속 샘플링의 단계 수를 양자 컴퓨터에서 O(1/√δ)로 줄이기 위해.
• Szegedy 연산자와 위상 추정을 활용하여 급속 분포를 인코딩하는 양자 워크를 구성하기 위해.
• 하이브리드 양자-고전 마르코프 체인을 통해 고차원 확률 분포에서의 샘플링에 양자 가속을 가능하게 하기 위해.

제안 방법

• 알고리즘은 두 개의 쌍대 마르코프 체인 M1과 M2를 구성하며, 이들의 공동 세부 균형 조건을 통해 급속 분포 π(x)가 그들의 불변 측도가 되도록 보장한다.
• 하이브리드 연산자 Mhyb(y|x) = Λ2(x|y)Λ1(y|x)를 정의하며, 여기서 Λj(y|x) = √Mj(y|x)이며, 이들의 고유값은 M1과 M2의 고유값과 일치한다.
• Mhyb에서 Szegedy 연산자 W를 구축하고, 그 고유값을 사용해 다단계 양자 회로 V를 통해 위상 추정을 구현한다. 이는 W의 고유위상을 추정한다.
• 목표 상태 |ψ0⟩ = |√π⟩는 위상 추정을 통해 준비되며, 그로버의 확산을 적용해 이 상태의 진폭을 증폭시킨다.
• 목표 상태 |ψ0⟩ = |√π⟩를 중심으로 하는 반사 연산 Rtar는 제어된-V 회로를 사용해 근사되며, 이는 양자 컴퓨터에서 그로버 알고리즘의 효율적 구현을 가능하게 한다.
• 알고리즘은 위상 추정과 그로버 알고리즘을 조합하여 O(L/√δ log(L/ǫ)) 단계 내에 급속 상태를 준비한다. 여기서 L = O(1/√π(x0))이며, ǫ은 정밀도이다.

실험 결과

연구 질문

• RQ1 양자 위상 추정과 그로버 알고리즘을 조합하여 고전적 방법보다 더 빠른 급속 샘플링을 달성할 수 있는가?
• RQ2 Szegedy 연산자를 사용한 급속 샘플링에서 단계 복잡도 측면에서의 양자 가속은 무엇인가?
• RQ3 마르코프 체인의 고유값 갭 δ가 양자 급속 샘플링 알고리즘 성능에 어떤 영향을 미치는가?
• RQ4 하이브리드 연산자 Mhyb를 사용해 급속 분포를 인코딩하는 유니터리 양자 워크를 정의할 수 있는가?

주요 결과

• 양자 알고리즘은 O(1/√δ) 단계 내에 급속 샘플링을 달성하며, 고전적 급속 샘플링이 O(1/δ) 단계를 요구하는 것에 비해 제곱근 수준의 가속을 제공한다.
• 알고리즘은 하이브리드 전이 행렬 Mhyb의 고유위상을 추정하기 위해 Szegedy 연산자 W에 위상 추정을 적용하여 급속 상태 |√π⟩를 준비한다.
• 목표 상태 |ψ0⟩ = |√π⟩를 중심으로 하는 반사 연산 Rtar는 제어된-V 회로를 통해 오차 O(√ǫ2)로 근사되며, 이는 그로버의 확산을 효율적으로 구현할 수 있도록 한다.
• 최종 샘플링 분포의 총 오차는 O(ǫ) 이하로 제한되며, 여기서 ǫ ≈ L√ǫ2이다. 여기서 L은 그로버 반복 횟수이고 ǫ2는 위상 추정 오차이다.
• 알고리즘의 단계 복잡도는 O(L/√δ log(L/ǫ))이며, L = O(1/√π(x0))이며, 베이지안 네트워크의 샘플링에서 정밀도 O(ǫ)를 달성한다.
• 조건부 확률 P(xt+1_i | xt_{i^c})가 계산 가능한 경우, 이 방법은 양자 시뮬레이션 냉각 및 메트로폴리스-하스팅스 샘플링으로 일반화될 수 있다.