[논문 리뷰] Reachability Deficits Implicit in Google's Quantum Approximate Optimization of Graph Problems

V. Akshay, H. Philathong외 2명|arXiv (Cornell University)|2020. 07. 17.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 구글의 Sycamore 양자 프로세서 실험을 재분석하여 그래프 최소화 문제에 대해 양자 근사 최적화 알고리즘(QAOA)을 적용한다. 제약 조건의 밀도가 성능 평가의 핵심 지표임을 규명하였으며, 중간 밀도를 초과하면 근사 품질이 급격히 악화되고, 필요한 회로 깊이가 밀도에 따라 비판적으로 증가함을 보여주며, 낮은 깊이의 QAOA가 유리하다는 주장과 모순된다.

ABSTRACT

The quantum approximate optimisation algorithm (QAOA) has become a cornerstone of contemporary quantum applications development. Here we show that the $density$ of problem constraints versus problem variables acts as a performance indicator. Density is found to correlate strongly with approximation inefficiency for fixed depth QAOA applied to random graph minimization problem instances. Further, the required depth for accurate QAOA solution to graph problem instances scales critically with density. We performed a detailed reanalysis of the data reproduced from Google's Sycamore superconducting qubit quantum processor executing QAOA applied to minimization problems on graphs. We found that Sycamore approaches a rapid fall-off in approximation quality experienced beyond intermediate-density instances. Our findings offer new insight into performance analysis of contemporary quantum optimization algorithms and contradict recent speculation regarding low-depth QAOA performance benefits.

연구 동기 및 목표

• 구글의 Sycamore 프로세서에서 확보한 실험 데이터를 바탕으로 난수 그래프 최소화 문제에 대해 저깊이 QAOA의 성능 제한을 조사한다.
• QAOA 근사 효율성이 낮은 문제 인스턴스의 구조적 특성과 상관관계가 있는지를 규명한다.
• 최근의 낮은 깊이 QAOA의 이점에 대한 주장에 도전하기 위해 깊이와 밀도 의존성 분석을 수행한다.
• Sycamore의 QAOA 실행 데이터를 재분석하여 최적화 성능에서의 암묵적 도달 가능성 결여를 밝혀낸다.

제안 방법

• 구글의 초전도 큐비트 프로세서인 Sycamore에서의 QAOA 실행 데이터를 난수 그래프 최소화 인스턴스에 대해 세밀하게 재분석하였다.
• 문제의 제약 조건 수를 변수 수로 나눈 비율로 '밀도'를 정의하고 정량화하였다.
• 고정된 깊이 QAOA 환경에서 그래프 밀도에 따른 QAOA 근사 품질의 상관관계를 분석하였다.
• 정확한 해를 얻기 위해 필요한 회로 깊이가 그래프 밀도에 따라 어떻게 변화하는지 분석하였다.
• 근사 품질이 급격히 감소하는 중간 밀도에서의 임계 전이 지점을 규명하였다.
• Sycamore의 실측 데이터를 활용하여 실제 하드웨어 제약 조건 하에서 QAOA의 확장성과 한계를 평가하였다.

실험 결과

연구 질문

• RQ1 문제의 제약 조건 수가 변수 수에 비해 증가함에 따라 고정 깊이 QAOA의 근사 품질에 어떤 영향을 미치는가?
• RQ2 그래프 문제에서 QAOA 성능이 유의미하게 악화되기 시작하는 밀도 수준은 어느 정도인가?
• RQ3 정확한 QAOA 해를 얻기 위해 필요한 회로 깊이는 그래프 밀도가 증가함에 따라 어떻게 변화하는가?
• RQ4 관측된 성능 저하 정도가 최근의 낮은 깊이 QAOA 이점에 대한 주장과 얼마나 모순되는가?
• RQ5 QAOA 최적화에서 도달 가능성 결여가 발생하는 그래프 인스턴스의 구조적 특성은 무엇인가?

주요 결과

• 고정 깊이 QAOA를 난수 그래프 최소화 문제에 적용할 때 제약 조건의 밀도가 근사 효율성에 강력한 상관관계를 가진다.
• Sycamore는 중간 밀도를 초과하는 그래프 인스턴스에서는 QAOA 근사 품질이 급격히 떨어지는 경향을 보인다.
• 정확한 QAOA 해를 얻기 위해 필요한 회로 깊이는 그래프 밀도가 증가함에 따라 비판적으로 증가한다.
• 성능 저하는 중간 밀도에서 발생하며, 이는 얕은 회로로는 최적화가 불가능해지는 임계점이 있음을 시사한다.
• 최근의 낮은 깊이 QAOA에 대한 본질적 이점에 대한 추측을 반박하며, 문제의 구조에 기반한 숨겨진 한계를 드러낸다.
• QAOA의 도달 가능성 결여는 제약 조건의 밀도에 암묵적으로 내재되어 있으며, 현재의 양자 최적화 접근법에서의 근본적 한계를 시사한다.