[논문 리뷰] The Optimization Landscape of Hybrid Quantum-Classical Algorithms: from Quantum Control to NISQ Applications

Xiaozhen Ge, Re-Bing Wu외 1명|arXiv (Cornell University)|2022. 01. 19.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 하이브리드 양자-고전적 알고리즘의 최적화 지형을 분석하여, 소규모 양자 시스템에서는 함정이 없는 지형에서부터 대규모 NISQ 장치에서는 쇼트 서킷이 발생하는 형태의 전이를 규명한다. 표현력과 학습 가능성 사이의 상충관계를 밝혀내며, 안사트 구조와 초기화 전략이 기울기 소실을 방지하고 실용적 양자 우월성을 가능하게 하는 데 핵심적임을 밝힌다.

ABSTRACT

This review investigates the landscapes of prevalent hybrid quantum-classical optimization algorithms in many rapidly developing quantum technologies, where the objective function is either computed by a natural quantum system or a quantum ansatz that is engineered, but the optimizer is classical. In any particular case, the nature of the underlying control landscape is fundamentally important for systematic optimization of the objective. In early studies on the optimal control of few-body dynamics, the optimizer could take full control of the quantum systems to be manipulated whose Hilbert space dimension is relatively small. Stepping into the noisy intermediate-scale quantum (NISQ) era, the experimentally growing computational power of the ansatz expressed as quantum hardware may bring quantum advantage over classical computers, but the classical optimizer is often limited by the available control resources. Across these different scales, we will show that the landscape's geometry experiences morphological changes from favorable trap-free landscapes to easily trapping rugged landscapes, and eventually to barren-plateau landscapes on which the optimizer can hardly move. This unified view provides the basis for understanding classes of systems that may be readily controlled out to those with special consideration, including the difficulties and potential advantages of NISQ technologies, as well as seeking possible ways to escape traps or plateaus, in particular circumstances.

연구 동기 및 목표

• 다양한 시스템 규모에서 하이브리드 양자-고전적 알고리즘의 최적화 지형 기하학적 구조를 이해하는 것.
• 대규모 NISQ 장치에서 고전적 최적화가 쇼트 서킷과 거친 지형으로 인해 실패하는 이유를 설명하는 것.
• 특히 변량 양자 알고리즘 맥락에서 최적화가 여전히 효율적인 조건을 규명하는 것.
• 구조적 안사트와 지능적인 초기화와 같은 전략이 쇼트 서킷을 완화하고 학습 가능성을 향상시키는 방식을 탐색하는 것.
• 양자 안사트의 표현력과 고전적 최적화기의 효율성 사이의 근본적 상충관계를 명확히 하는 것 — 특히 NISQ 시대의 응용에서

제안 방법

• 소규모 다체계에서의 완전한 제어에서부터 NISQ 장치의 제한된 제어에 이르기까지 제어 자원 변화에 따른 양자 시스템 제어 지형 기하학을 분석한다.
• 양자 최적 제어 이론과 변량 양자 알고리즘 이론 프레임워크를 적용하여 지형 형태의 진화를 매핑한다.
• 특히 부분 도함수 분산을 쇼트 서킷 형성의 지표로 삼아, 매개변수화된 양자 회로(PQC)의 기울기 스케일링 행동을 조사한다.
• 쇼트 서킷에 대한 저항성을 평가하기 위해 양자 컨volution 네트워크, 트리 텐서 네트워크, 단계 제어 회로와 같은 구조적 안사트를 평가한다.
• 2-디자인을 피하고 파라미터 공간 차원을 감소시켜 기울기 정보를 유지하는 초기화 전략을 제안한다.
• 층별 학습과 고전적 신경망을 통한 사전 학습을 고려하여 수렴성을 향상시키고 초기 최적화 실패를 방지한다.

실험 결과

연구 질문

• RQ1 가용한 고전적 제어 자원에 비해 양자 시스템 크기가 증가함에 따라 하이브리드 양자-고전적 알고리즘의 최적화 지형은 어떻게 변화하는가?
• RQ2 변량 양자 알고리즘에서 쇼트 서킷은 무엇으로 인해 발생하며, 어떤 조건에서 피하거나 완화할 수 있는가?
• RQ3 특정 안사트 구조 — 예를 들어 컨볼루션형 또는 트리 구조 회로 — 는 기울기가 지수적으로 소멸하는 위험을 어느 정도 감소시키는가?
• RQ4 지능적인 초기화 전략은 고차원 파라미터 공간에서 최적화기가 국소 최적점에 갇히는 것을 방지할 수 있는가?
• RQ5 NISQ 시대의 응용에서, 양자 회로의 표현력과 고전적 최적화기의 학습 가능성 사이의 근본적 상충관계는 어떠한가?

주요 결과

• 제어 자원이 풍부한 소규모 양자 시스템에서는 최적화 지형이 함정이 없어, 탐욕 알고리즘을 통해 효율적인 수렴이 가능하다.
• 제어 자원이 제한된 경우, 가짜 국소 최소값이 발생하여 확률적 방법조차도 최적화 실패를 초래한다.
• 대규모 NISQ 장치에서는 안사트가 2-디자인이거나 매우 표현력이 높을 경우 기울기가 지수적으로 소멸하면서 쇼트 서킷이 발생한다.
• 양자 컨볼루션 신경망과 트리 텐서 네트워크와 같은 구조적 안사트는 다항식 감쇠 기울기를 보이며 쇼트 서킷을 피한다.
• 2-디자인을 피하거나 파라미터 공간 차원을 감소시키는 초기화 전략은 최적화 수렴을 크게 향상시키고 학습 반복 횟수를 줄인다.
• 오차 보정 기법은 노이즈 유도 쇼트 서킷을 억제하는 데 필수적이며, 수소 사슬 결합 에너지 계산에 대한 Sycamore 하드웨어에서의 VQE 구현 사례에서 이를 입증했다.