[논문 리뷰] Quantum Inference on Bayesian Networks

Guang Hao Low, Theodore J. Yoder외 1명|DSpace@MIT (Massachusetts Institute of Technology)|2014. 02. 28.

Bayesian Modeling and Causal Inference참고 문헌 26인용 수 33

한 줄 요약

이 논문은 양자 거부 샘플링을 사용하여 베이지안 네트워크에서 근사 추론을 위한 비상대적 양자 속도 향상을 제시한다. 네트워크의 그래픽 구조를 활용함으로써 저자들은 공동 분포를 나타내는 양자 상태를 준비하고 앰플리튜드 강화를 적용하는 효율적인 양자 회로를 설계하였다. 이로 인해 고전적 샘플링 대비 제곱근 속도 향상을 달성하였으며, 샘플당 시간 복잡도는 $Ø(n2^mP(e)^{-1/2})$ vs. $Ø(nmP(e)^{-1})$이다.

ABSTRACT

Performing exact inference on Bayesian networks is known to be #P-hard. Typically approximate inference techniques are used instead to sample from the distribution on query variables given the values $e$ of evidence variables. Classically, a single unbiased sample is obtained from a Bayesian network on $n$ variables with at most $m$ parents per node in time $\mathcal{O}(nmP(e)^{-1})$, depending critically on $P(e)$, the probability the evidence might occur in the first place. By implementing a quantum version of rejection sampling, we obtain a square-root speedup, taking $\mathcal{O}(n2^mP(e)^{-\frac12})$ time per sample. We exploit the Bayesian network's graph structure to efficiently construct a quantum state, a q-sample, representing the intended classical distribution, and also to efficiently apply amplitude amplification, the source of our speedup. Thus, our speedup is notable as it is unrelativized -- we count primitive operations and require no blackbox oracle queries.

연구 동기 및 목표

• 블랙박스 오라클에 의존하지 않는 실용적인 양자 알고리즘을 개발하여 베이지안 네트워크에서 근사 추론을 수행하는 것.
• 특히 $P(e)$가 지수적으로 작을 경우에 비례하여 악화되는 고전적 거부 샘플링의 계산 병목 현상을 해결하는 것.
• 베이지안 네트워크의 조건부 독립 구조를 활용하여 양자 상태 준비 회로를 효율적으로 구성하는 것.
• 고전적 샘플링 방법에 대해 물리적 게이트 연산 수를 세는 방식으로 비상대적 양자 속도 향상을 입증하는 것.
• 현재의 양자 하드웨어로도 작은 네트워크에서 양자 베이지안 추론을 실험적으로 가능하게 하는 것.

제안 방법

• 베이지안 네트워크의 공동 분포 $P(\mathcal{Q}, \mathcal{E})$를 인코딩하는 순수한 양자 상태 $|\psi_P\rangle$를 준비하기 위해 제어-NOT 게이트와 단일 큐비트 회전을 사용하는 양자 회로를 구성한다.
• 네트워크의 유한한 진입도 $m$을 활용하여 상태 준비 복잡도가 $\mathcal{O}(n2^m)$로 유지되며, 노드 수 $n$에 대해 선형적으로 증가하도록 보장한다.
• 앰플리튜드 강화를 위해 그로버 반복 $\hat{G} = -\hat{A}\hat{S}_0\hat{A}^\dagger\hat{S}_e$를 구현한다. 여기서 $\hat{A}$는 상태를 준비하고, $\hat{S}_e$, $\hat{S}_0$는 목표 상태와 전부 0인 상태를 마킹한다.
• 증거 $\mathcal{E} = e$와 일치하는 상태의 앰플리튜드를 반복적으로 증폭시켜 $P(\mathcal{Q}|\mathcal{E}=e)$에서 효율적인 샘플링을 가능하게 한다.
• 결과로 얻어진 양자 상태를 측정함으로써 증거 확률 $P(e)$ 비례하는 성공 확률을 가진 조건부 분포에서 샘플을 취한다.
• 모든 구성 요소를 기본 양자 게이트로 명시적으로 구성함으로써 알고리즘을 비상대적으로 만들며, 추상적 오라클이나 쿼리 복잡도 가정에 의존하지 않도록 한다.

실험 결과

연구 질문

• RQ1 양자 알고리즘은 블랙박스 오라클에 의존하지 않고 실용적이고 비상대적인 속도 향상을 통해 베이지안 네트워크에서 근사 추론을 달성할 수 있는가?
• RQ2 베이지안 네트워크의 그래픽 구조를 얼마나 잘 활용하여 양자 상태 준비를 효율적으로 만들 수 있는가?
• RQ3 증거 확률 $P(e)$가 작을 경우, 앰플리튜드 강화가 베이지안 네트워크 추론 맥락에서 제곱근 속도 향상을 제공하는가?
• RQ4 명시적이고 물리적인 게이트 분해를 통해 양자 거부 샘플링 프레임워크를 근접한 양자 장치에 구현할 수 있는가?
• RQ5 베이지안 네트워크에서의 양자 추론 게이트 복잡도는 얼마이며, 네트워크 크기와 증거 확률에 따라 어떻게 스케일링되는가?

주요 결과

• 양자 알고리즘은 고전적 거부 샘플링 대비 제곱근 속도 향상을 달성하여, 시간 복잡도를 $\mathcal{O}(nmP(e)^{-1})$에서 $\mathcal{O}(n2^mP(e)^{-1/2})$로 감소시켰다.
• 공동 분포 $P(\mathcal{Q}, \mathcal{E})$를 위한 상태 준비 회로는 $\mathcal{O}(n2^m)$개의 CNOT 게이트와 단일 큐비트 회전을 사용하여 명시적으로 구성되었으며, 네트워크의 유한한 진입도 $m$을 활용하였다.
• 앰플리튜드 강화를 가능하게 하는 그로버 반복의 총 게이트 수는 상태 준비 단계에 의해 지배되며, 이로 인해 샘플당 총 실행 시간은 $\mathcal{O}(n2^mP(e)^{-1/2})$가 된다.
• 알고리즘은 비상대적이다: 모든 구성 요소가 물리적 양자 게이트로 명시적으로 구성되어 있어 추상적 오라클이나 쿼리 복잡도 가정이 필요하지 않다.
• 현재의 양자 하드웨어에서 실험적으로 구현 가능하며, 두 개의 노드로 구성된 베이지안 네트워크는 단 두 개의 큐비트와 작은 회로만으로도 가능함을 증명 예제에서 보여주었다.
• 이 프레임워크는 제시된 것과 유사한 제곱근 속도 향상을 가능하게 하는 게이트 복잡도를 가진 다른 확률적 추론 작업, 예를 들어 기브스 샘플링과 메트로폴리스-하스팅스 방법 등으로도 일반화될 수 있다.