[논문 리뷰] Quantum machine learning for data scientists

Dawid Kopczyk|arXiv (Cornell University)|2018. 04. 25.

Quantum Computing Algorithms and Architecture참고 문헌 24인용 수 63

한 줄 요약

이 논문은 양자 알고리즘(예: Grover의 탐색, 양자 최소화, 양자 푸리에 변환, 양자 위상 추정)을 고찰하고 양자 병렬성이 양자 기계학습에서 데이터 처리 단계를 더 빠르게 수행하게 하는 방법과 사례를 제시한다.

ABSTRACT

This text aims to present and explain quantum machine learning algorithms to a data scientist in an accessible and consistent way. The algorithms and equations presented are not written in rigorous mathematical fashion, instead, the pressure is put on examples and step by step explanation of difficult topics. This contribution gives an overview of selected quantum machine learning algorithms, however there is also a method of scores extraction for quantum PCA algorithm proposed as well as a new cost function in feed-forward quantum neural networks is introduced. The text is divided into four parts: the first part explains the basic quantum theory, then quantum computation and quantum computer architecture are explained in section two. The third part presents quantum algorithms which will be used as subroutines in quantum machine learning algorithms. Finally, the fourth section describes quantum machine learning algorithms with the use of knowledge accumulated in previous parts.

연구 동기 및 목표

• 양자 기계학습의 하위 모듈로서 양자 알고리즘의 사용을 촉진한다.
• 주요 양자 알고리즘과 이들의 고전적 대응에 대한 잠재적 속도 향상을 소개한다.
• 양자 병렬성 및 오라클 기반 질의가 양자 회로에서 효율적인 데이터 처리를 가능하게 하는 방식을 설명한다.

제안 방법

• Grover의 탐색 알고리즘과 고전적 탐색에 비해 2차적 속도향상을 설명한다.
• 양자 오라클의 구성과 원하는 입력을 표시하는 역할을 설명한다.
• Grover 반복에서의 진폭 증폭(평균 반전) 단계를 설명한다.
• 양자 최소화, 양자 푸리에 변환, 양자 위상 추정 등 다른 기본 양자 알고리즘과 이들이 양자 ML의 하위 모듈로서의 역할을 논의한다.
• 양자와 고전 접근법을 비교하기 위해 빅-오 표기법으로 시간 복잡도의 고수준 관점을 제공한다.

실험 결과

연구 질문

• RQ1 기본 양자 알고리즘이 양자 기계학습의 구성 블록으로서 어떤 이점을 제공하는가?
• RQ2 양자 오라클과 진폭 증폭이 입력 공간의 탐색 또는 최적화에 대해 어떤 실질적인 속도 향상으로 이어지는가?
• RQ3 ML 워크플로우에서 이러한 양자 하위 모듈을 사용할 때의 일반적인 시간 복잡도 함의는 무엇인가?

주요 결과

• 일부 문제 클래스에서 양자 알고리즘은 고전적 대응에 비해 2차적 또는 지수적 속도향상을 달성할 수 있다.
• Grover 알고리즘은 양자 오라클을 이용해 N개의 입력에 대해 O(√N) 반복에서 높은 확률로 표시된 입력을 식별한다.
• 양자 진폭 증폭은 오라클 적용 후 원하는 상태를 측정할 확률을 향상시킨다.
• QFT(양자 푸리에 변환) 및 위상 추정과 같은 기본 알고리즘은 데이터 인코딩 및 매개변수 추정과 같은 양자 ML 작업의 기반이 된다.
• 문서는 이러한 알고리즘에 대한 양자 게이트 및 회로 구현에 대한 예제 중심의 설명을 제공한다.