[論文レビュー] Comparative study of variations in quantum approximate optimization algorithms for the Traveling Salesman Problem

Wenyang Qian, Robert Basili+4 more|PubMed|Jul 14, 2023

Quantum Computing Algorithms and Architecture参考文献 51被引用数 6

ひとこと要約

本稿では、ゲートベースの量子シミュレータを用いて対称的巡回セールスマン問題（TSP）を解くための量子近似最適化アルゴリズム（QAOA）において、3種類の異なるミキサー設計—X、XY、RS—を調査している。レイヤーワイズの学習最適化プロトコルとノイズモデルシミュレーションを用いることで、研究ではXYミキサーが優れた数値的精度と計算効率を示し、将来のNISQ時代の量子デバイスおよびシミュレータにおけるTSP最適化の最も有望な候補であると判明した。

ABSTRACT

The traveling salesman problem (TSP) is one of the most often-used NP-hard problems in computer science to study the effectiveness of computing models and hardware platforms. In this regard, it is also heavily used as a vehicle to study the feasibility of the quantum computing paradigm for this class of problems. In this paper, we tackle the TSP using the quantum approximate optimization algorithm (QAOA) approach by formulating it as an optimization problem. By adopting an improved qubit encoding strategy and a layer-wise learning optimization protocol, we present numerical results obtained from the gate-based digital quantum simulator, specifically targeting TSP instances with 3, 4, and 5 cities. We focus on the evaluations of three distinctive QAOA mixer designs, considering their performances in terms of numerical accuracy and optimization cost. Notably, we find that a well-balanced QAOA mixer design exhibits more promising potential for gate-based simulators and realistic quantum devices in the long run, an observation further supported by our noise model simulations. Furthermore, we investigate the sensitivity of the simulations to the TSP graph. Overall, our simulation results show that the digital quantum simulation of problem-inspired ansatz is a successful candidate for finding optimal TSP solutions.

研究の動機と目的

• ゲートベースの量子シミュレーションを用いて、さまざまなQAOAミキサー・アーキテクチャのTSPに対する性能を評価すること。
• さまざまなTSPグラフの非対称性の下で、3つのミキサー設計（X、XY、RS）の数値的精度と最適化コストを評価すること。
• コスト関数におけるペナルティ重みとグラフ構造が、QAOAの収束性と解の忠実度に与える影響を調査すること。
• 近い将来の量子ハードウェアおよびデジタルシミュレータに適した、強固でスケーラブルなQAOA設定を特定すること。
• 将来的に、より大きなTSPインスタンスに対して、より深い回路と高度な最適化技術を用いて拡張する基盤を提供すること。

提案手法

• 改善されたキュービット符号化戦略を用いて、TSPを二値制約付き最適化問題として定式化した。
• 回路の各レイヤーにわたり、QAOAパラメータを段階的に学習するレイヤーワイズの学習最適化プロトコルを実装した。
• 3種類の異なるミキサー・アーキテクチャを設計した：Xミキサー（標準）、XYミキサー（エンタングルメントを有する）、RSミキサー（Rabi型ダイナミクスを有する問題固有型）。
• Qiskitを用いて、3都市、4都市、5都市のTSPインスタンスについて、ゲートベースの量子シミュレータ上で数値シミュレーションを実施した。
• 実際の量子ハードウェアの制約を反映するノイズモデルシミュレーションを適用し、各ミキサーの耐障害性を評価した。
• 性能比較のために、近似比と解の分布メトリクスを用いた。

実験結果

リサーチクエスチョン

• RQ1 X、XY、RSミキサーという異なるQAOAミキサー設計は、小規模なTSPインスタンスにおいて、解の精度と最適化コストの観点でどのように比較されるか？
• RQ2 TSPグラフの非対称性は、異なるミキサーを用いたQAOAの収束性と解の質にどのような影響を与えるか？
• RQ3 コスト関数におけるペナルティ重みの選択が、QAOAシミュレーションの性能と安定性に与える影響は何か？
• RQ4 ノイズおよび有限深度回路制約下で、どのミキサー設計が最も強固な性能を示すか？
• RQ5 XY設計のようなバランスの取れたミキサーは、精度とリソース効率の両面で、標準的または問題固有の代替手法を上回る性能を示せるか？

主な発見

• XYミキサーは、4都市および5都市のTSPインスタンスにおいて、XミキサーやRSミキサーを上回る最高の近似比を一貫して達成し、数値的精度が優れていた。
• XYミキサーは、初期パラメータ設定やシミュレーションのばらつきに対して低い感受性を示し、繰り返し実行における解の分布がより安定しており、標準偏差も低かった。
• RSミキサーは性能が一貫せず、解の優位性と順位のばらつきが大きく、一部のシミュレーションで信頼性のない収束を示した。
• Xミキサーは、真の解の初期順位は高かったが、より深い回路レイヤーにかけて一貫した精度を維持できず、最適化における不安定性が顕著に現れた。
• ノイズモデルシミュレーションの結果、XYミキサーは現実のノイズ条件下でも優れた性能を維持しており、近い将来の量子デバイスにおける耐障害性に優れていることが示された。
• 本研究では、グラフの非対称性が最適化結果に顕著な影響を与えることが判明した。非対称性が強いグラフでは、すべてのミキサー種別において解の忠実度が低下した。