[논문 리뷰] Use of a Quantum Computer to do Importance and Metropolis-Hastings Sampling of a Classical Bayesian Network

Robert R. Tucci|ArXiv.org|2008. 11. 12.

Markov Chains and Monte Carlo Methods참고 문헌 9인용 수 5

한 줄 요약

이 논문은 양자 컴퓨터를 사용하여 고전적 베이지안 네트워크에서 중요도 샘플링과 메트로폴리스-하스팅스 샘플링을 수행하는 양자 알고리즘을 제안한다. 고전적 베이지안 네트워크를 양자 베이지안 네트워크(QB 넷)로 매핑하는 양자 임bedding 기법을 활용함으로써, 양자 회로를 통한 효율적 샘플링이 가능해지며, 이는 세부 균형과 목표 분포로의 수렴을 이론적으로 보장한다.

ABSTRACT

Importance sampling and Metropolis-Hastings sampling (of which Gibbs sampling is a special case) are two methods commonly used to sample multi-variate probability distributions (that is, Bayesian networks). Heretofore, the sampling of Bayesian networks has been done on a conventional "classical computer". In this paper, we propose methods for doing importance sampling and Metropolis-Hastings sampling of a classical Bayesian network on a quantum computer.

연구 동기 및 목표

• 기존의 거부 및 가능도 가중치 샘플링을 초월하여 일반적인 중요도 샘플링을 포함하는 고전적 베이지안 네트워크에 대한 양자 샘플링 방법을 확장하기 위해.
• 고전적 베이지안 네트워크에서 메트로폴리스-하스팅스 샘플링, 특히 지브스 샘플링을 특수 케이스로 포함하는 양자 알고리즘을 개발하기 위해.
• 양자 베이지안 네트워크(QB 넷) 임bedding를 통해 고전적 확률적 추론을 양자 하드웨어에서 시뮬레이션할 수 있는 프레임워크를 구축하기 위해.
• 제안된 양자 샘플링 방법이 세부 균형을 유지하고 정확한 목표 분포로 수렴함을 보장하기 위해.
• 참고문헌[5]의 결과를 일반화하기 위해, 參考문헌[4]의 임bedding 기법을 더 넓은 범위의 샘플링 알고리즘에 적용하기 위해.

제안 방법

• 고전적 베이지안 네트워크(CB 넷)를 양자 베이지안 네트워크(QB 넷)로 매핑하는 양자 임bedding 기법을 사용하여, 고전적 확률 모델의 양자 시뮬레이션을 가능하게 한다.
• 제안 분포에 해당하는 초위상 상태를 준비하고, 진폭 강화 원리를 활용하여 중요도 샘플링을 양자 회로로 구현한다.
• 베이지안 네트워크 내 조건부 확률 전이를 시뮬레이션하기 위해 제어 양자 게이트(예: CNOT, Toffoli)와 단일 큐비트 연산을 적용한다.
• 제안 분포 Q(yi|xt)와 수용 확률 αi = min(1, F(xt_i ← yi)/F(yi ← xt_i))를 사용하여 양자 메트로폴리스-하스팅스 알고리즘을 설계한다. 여기서 F는 확률 유량을 의미한다.
• 고전적 변수 상태를 큐비트 상태로 인코딩하기 위해 투영 연산자 P_a와 파울리 행렬을 사용하며, 이는 공동 상태 공간에서의 유니터리 진동을 가능하게 한다.
• 양자 상태에 대한 확률적 업데이트 규칙을 구현한다: xt+1_i = yi 확률 αi로, 그렇지 않으면 xt+1_i = xt_i, 제어 회전과 측정을 통해 실현된다.

실험 결과

연구 질문

• RQ1 고전적 베이지안 네트워크의 중요도 샘플링이 양자 회로 기반 방법을 통해 양자 컴퓨터에서 효율적으로 구현될 수 있는가?
• RQ2 메트로폴리스-하스팅스 알고리즘, 특히 지브스 샘플링이 세부 균형을 유지하면서 양자 컴퓨터에서 실행될 수 있도록 어떻게 적응시킬 수 있는가?
• RQ3 양자 베이지안 네트워크(QB 넷) 임bedding는 고전적 확률 그래픽 모델의 양자 시뮬레이션을 어떻게 가능하게 하는가?
• RQ4 양자 회로는 마르코프 체인의 정적 분포가 고전적 베이지안 네트워크의 목표 사후 분포와 일치하도록 보장하는가?
• RQ5 양자 메트로폴리스-하스팅스 샘플링에서 수용 확률과 상태 전이 규칙의 양자 회로 구현은 어떻게 이루어지는가?

주요 결과

• 제안된 양자 알고리즘은 이전의 양자 샘플링 방법을 거부 및 가능도 가중치 샘플링을 초월하여 모든 형태의 중요도 샘플링으로 일반화한다.
• 양자 메트로폴리스-하스팅스 알고리즘은 세부 균형을 유지하여 마르코프 체인 몬테카를로 이론에 따라 정확한 목표 분포 P(x)로 수렴함을 보장한다.
• 수용 확률 αi 는 min(1, F(xt_i ← yi)/F(yi ← xt_i))로 정의되며, F는 확률 유량을 나타내어 알고리즘이 유효한 스토케스틱 과정의 범위에 머무르도록 보장한다.
• 반복적인 양자 제어 전이를 통해 목표 분포로 수렴이 달성되며, 새로운 상태를 수용할 확률은 정방향 및 역방향 유량 비율에 비례한다.
• 알고리즘은 제안 분포 Q(yi|xt)의 선택에 대해 강건하며, Q가 대칭이 아니더라도 세부 균형을 유지한다.
• 두 가지 예시 네트워크(이체 산란 및 아시아 넷)에 대한 양자 회로를 통해 프레임워크를 구현하여 기존 양자 하드웨어에서의 구현 가능성을 보여주었다.