[논문 리뷰] Quantum Hamiltonian Descent

Jiaqi Leng, Ethan Hickman외 2명|arXiv (Cornell University)|2023. 03. 02.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 고전적 경사 하강 동역학의 경로 적분 표현을 기반으로 한 새로운 양자 최적화 알고리즘인 양자 해밀토니안 강하(QHD)를 소개한다. 비고전적 궤적을 통한 양자 터널링을 활용함으로써, D-Wave 양자 프로세서에 구현된 경우, 75차원 이하의 비볼록 2차 프로그래밍 문제에서 고전적 솔버와 양자 애디아바틱 알고리즘을 능가하며, 해의 질과 해에 도달하는 데 소요되는 시간 측면에서 뚜렷한 양자 우월성을 보여준다.

ABSTRACT

Gradient descent is a fundamental algorithm in both theory and practice for continuous optimization. Identifying its quantum counterpart would be appealing to both theoretical and practical quantum applications. A conventional approach to quantum speedups in optimization relies on the quantum acceleration of intermediate steps of classical algorithms, while keeping the overall algorithmic trajectory and solution quality unchanged. We propose Quantum Hamiltonian Descent (QHD), which is derived from the path integral of dynamical systems referring to the continuous-time limit of classical gradient descent algorithms, as a truly quantum counterpart of classical gradient methods where the contribution from classically-prohibited trajectories can significantly boost QHD's performance for non-convex optimization. Moreover, QHD is described as a Hamiltonian evolution efficiently simulatable on both digital and analog quantum computers. By embedding the dynamics of QHD into the evolution of the so-called Quantum Ising Machine (including D-Wave and others), we empirically observe that the D-Wave-implemented QHD outperforms a selection of state-of-the-art gradient-based classical solvers and the standard quantum adiabatic algorithm, based on the time-to-solution metric, on non-convex constrained quadratic programming instances up to 75 dimensions. Finally, we propose a "three-phase picture" to explain the behavior of QHD, especially its difference from the quantum adiabatic algorithm.

연구 동기 및 목표

• 양자 터널링을 활용하여 잘못된 국소 최솟값에서 벗어나는 진정한 양자적 고전적 경사 하강의 대체 알고리즘을 개발하기 위해.
• 단지 하위루틴을 가속화하는 것이 아니라 알고리즘의 궤적을 수정함으로써 고전적 방법을 초월하는 해의 질을 향상시키는 양자 알고리즘을 특정하기 위해.
• 디지털 및 아날로그 양자 컴퓨터에서 효율적으로 시뮬레이션 가능한 양자 최적화 프레임워크를 설계하기 위해.
• 제약 조건이 있는 비볼록 2차 프로그래밍 문제에 대해 최신의 고전적 및 양자 솔버와의 비교를 통해 QHD의 성능을 경험적으로 검증하기 위해.
• QHD의 행동을 설명하는 이론적이고 작동 가능한 프레임워크를 제공하여, 양자 애디아바틱 알고리즘과는 다를 수 있는 '세 단계 그림'을 제시하기 위해.

제안 방법

• QHD는 고전적 경사 하강의 연속 시간 근사인 Bregman-Lagrangian 동역계의 경로 적분 양자화를 통해 유도된다.
• 알고리즘은 슈뢰딩거 방정식에 의해 지배되는 해밀토니안 진화로 표현되어, 디지털 및 아날로그 양자 컴퓨터에서의 효율적 시뮬레이션을 가능하게 한다.
• 동역학은 양자 이징 기계(예: D-Wave)에 통합되어 실제 하드웨어에서의 경험적 평가가 가능해진다.
• 디지털 구현을 위해 제품 형식의 공식이 사용되며, 공간 이산화의 정도는 큐비트 정밀도(q=3,16,32)에 의해 제어된다.
• 부동소수점 더하기기, 승수기, 근사 QFT 등의 양자 하위루틴이 사용되며, 고장 내성 비용 분석을 위한 T-카운트가 추정된다.
• 시간 진화 매개변수 T≈681이 D-Wave 실험에서 반복적인 진화 단계와 함께 사용된다.

실험 결과

연구 질문

• RQ1 고전적으로 금지된 경로를 포함함으로써 경사 하강의 궤적을 본질적으로 변화시킬 수 있는 양자 알고리즘을 구성할 수 있는가?
• RQ2 양자 최적화에서 비고전적 궤적을 포함함으로써 비볼록 문제에서 해의 질 향상과 더 빠른 수렴이 이루어지는가?
• RQ3 제약 조건이 있는 2차 프로그래밍 문제에서 QHD는 고전적 경사 기반 솔버와 표준 양자 애디아바틱 알고리즘에 비해 시간-해결 측면에서 어떻게 비교되는가?
• RQ4 근접한 디지털 양자 컴퓨터에서 QHD를 구현하는 데 드는 자원 비용은 얼마이며, 실세계 문제에 대해 실현 가능한가?
• RQ5 QHD와 양자 애디아바틱 알고리즘 간의 성능 차이를 설명할 수 있으며, 이는 '세 단계 모델'로 설명될 수 있는가?

주요 결과

• 시간-해결 측정 기준에 기반해, QHD는 75차원 이하의 제약 조건이 있는 비볼록 2차 프로그래밍 인스턴스에서 최신의 고전적 경사 기반 솔버와 표준 양자 애디아바틱 알고리즘을 모두 능가한다.
• D-Wave에 구현된 QHD는 특히 비볼록도와 희소성 수준이 높은 문제에서 고전적 솔버보다 더 뛰어난 해의 질과 더 빠른 수렴을 달성한다.
• 디지털 구현에서는 조차도 3-qubit 해상도의 낮은 정밀도일지라도 5×10⁸개 이상의 T-게이트가 필요하며, 이는 근접한 디지털 양자 하드웨어의 능력을 초월한다.
• T-카운트는 문제 차원과 희소성에 따라 크게 증가하며, 32-qubit 정밀도에서 75차원 문제에 대해 추정치로 2.67×10¹⁰에 이를 수 있다.
• 제안된 '세 단계 그림'은 QHD의 행동이 애디아바틱 알고리즘과 다름을 설명하며, 양자 터널링과 비고전적 경로 기여를 활용할 수 있음을 강조한다.
• QHD의 성능 우월성은 고전적으로 금지된 궤적에 접근할 수 있기에, 고전적 경사 하강이 갇히는 국소 최솟값에서 벗어나는 능력에서 기인한다.