[論文レビュー] Computing solution space properties of combinatorial optimization problems via generic tensor networks

Jinguo Liu, Xun Gao+3 more|arXiv (Cornell University)|May 7, 2022

Machine Learning in Materials Science被引用数 6

ひとこと要約

本論文は、NP困難な組合せ最適化問題の多様な解空間特性を計算するための包括的フレームワークを提示する。具体的には、解の数え上げ、列挙、サンプリングなどの特性を、一般化されたテンソルネットワークを用いて計算する。可換半群環へのテンソルネットワーク要素の一般化により、独立多項式係数、解のエントロピー、オーバーラップギャップの挙動といった特性を効率的に計算可能であり、最大独立集合問題や量子アルゴリズム解析への応用が示された。

ABSTRACT

We introduce a unified framework to compute the solution space properties of a broad class of combinatorial optimization problems. These properties include finding one of the optimum solutions, counting the number of solutions of a given size, and enumeration and sampling of solutions of a given size. Using the independent set problem as an example, we show how all these solution space properties can be computed in the unified approach of generic tensor networks. We demonstrate the versatility of this computational tool by applying it to several examples, including computing the entropy constant for hardcore lattice gases, studying the overlap gap properties, and analyzing the performance of quantum and classical algorithms for finding maximum independent sets.

研究の動機と目的

• NP困難な組合せ最適化問題の多様な解空間特性を統一的に計算するためのフレームワークを開発すること。
• テンソルネットワークの要素を任意の可換半群構造に一般化することで、標準的な数値型を超えた拡張を実現すること。
• 解の数え上げ、列挙、サンプリング、オーバーラップギャップの挙動といった特性を効率的に計算可能とすること。
• 計算された解空間特徴を用いて、古典的および量子アルゴリズムの性能を分析すること。
• 独立集合問題を越える広範な最適化問題クラスに適用可能なスケーラブルで汎用的なプログラミングツールを提供すること。

提案手法

• 任意の可換半群環構造に一般化されたテンソルネットワーク要素を用い、解空間特性の代数的取り扱いを可能にする。
• 頂点および辺のテンソルを用いて独立集合問題を、半群値要素を有するテンソルネットワーク縮約問題に還元する。
• 数え上げ（N）、トロピカル（min, +）、サンプリング（多項式）といった異なる半群代数を用い、解空間特性の異なる種類を計算する。
• 最適化された縮約順序とトロピカル行列乗算を用いて、性能を向上させる効率的なテンソルネットワーク縮約を実装する。
• 既存のテンソルネットワークライブラリを活用し、Juliaベースのコードを用いて一般化された代数演算を拡張し、公開リポジトリに実装する。
• 解空間の接続性、エントロピー定数、解集合間のハミング距離分布を計算するためにフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 1つのテンソルネットワークフレームワークが、組合せ最適化問題の複数の解空間特性を計算可能か？
• RQ2 半群値要素を有する汎用テンソルネットワークを用いて、解の数え上げ、列挙、サンプリングをどのように計算できるか？
• RQ3 解空間の接続性やオーバーラップギャップ特性を計算することで、特に量子および古典的ソルバーの性能に関する何らかの知見が得られるか？
• RQ4 このフレームワークは、独立集合問題を越えて他のNP困難問題へも拡張可能か？
• RQ5 局所最適解と最適解間のハミング距離の分布が、シミュレーテッドアニーリングおよび量子アディアバティックアルゴリズムの性能にどのように影響するか？

主な発見

• フレームワークは、さまざまなグラフにおける独立多項式係数を正確に計算でき、すべてのサイズの独立集合の正確な数え上げが可能となった。
• ハードカーリング格子ガスのエントロピー定数は、独立集合の対数的成長率を評価することで計算され、既知の理論的値と整合した。
• ランダムグラフにおいてオーバーラップギャップ特性（OGP）が観察され、解クラスタが大きなハミング距離で分離していることが示され、アルゴリズム的困難性の兆候となった。
• 量子アルゴリズムによるサンプリングでは、最大独立集合からのハミング距離が広範囲に分布しており、孤立した局所最適解に閉じ込められるのを避ける傾向があることが示された。
• 解空間の接続性およびサンプリングデータに基づき、特定のインスタンスにおいて量子アルゴリズムがシミュレーテッドアニーリングに対して2乗の速度向上の可能性を示した。
• Juliaを用いた実装（最適化された縮約順序およびトロピカル行列乗算を含む）により、数千ノードのグラフに対しても効率的な計算が可能となった。