[論文レビュー] Evolving Quantum Circuits using Genetic Algorithms

Prashant .|ArXiv.org|Nov 3, 2005

Evolutionary Algorithms and Applications被引用数 8

ひとこと要約

本論文では、特定のユニタリ操作のための量子回路を自動的に進化させる遺伝的アルゴリズム（GA）ベースのフレームワークを提案する。量子回路をゲノタイプ文字列として符号化し、突然変異や交叉といったGAの演算子を適用することで、目的のユニタリへの忠実度に基づくフィットネス関数を最小化する回路が進化し、最小限の回路深さでベンチマーク用の量子ゲートを高忠実度で近似する。

ABSTRACT

The article is taken out.

研究の動機と目的

• 特定のユニタリ操作のための最適な量子回路を手動で設計する課題に対処すること。
• 事前の回路分解を必要とせずに、進化的計算を用いて自動的に量子回路を合成する可能性を検討すること。
• 自動探索によって回路の深さを最小化し、目的のユニタリへの忠実度を最大化すること。
• 遺伝的アルゴリズムが量子回路合成タスクにおいてスケーラビリティと収束特性を示すかを評価すること。

提案手法

• 量子回路は、単一および二量子ビットゲートのシーケンスを表すゲノタイプ文字列として符号化される。
• 進化した回路の出力と目的のユニタリとの間の状態忠実度に基づくフィットネス関数が、回路の品質を評価するために用いられる。
• 選択、交叉、突然変異といった遺伝的演算子が、世代にわたる回路集団の進化に適用される。
• 回路の進化は、目的のユニタリへの不忠実度（1 - 完全忠実度）を最小化することによって導かれる。フィットネスは忠実度に比例する。
• パラメトリックおよび非パラメトリックなゲート集合をサポートしており、柔軟な回路探索を可能にする。
• 回路が事前に定義された忠実度の閾値に達した、または最大世代数に達した時点で進化が終了する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、高忠実度で目的のユニタリ操作を近似する量子回路を効果的に進化させることができるか？
• RQ2 進化した回路の回路深さは、既知の解析的分解と比べてどうか？
• RQ3 GAベースの合成において、さまざまな目的のユニタリに対して収束特性はどのように現れるか？
• RQ4 本手法は、ゲート集合や突然変異戦略の選択にどれほど感度を示すか？

主な発見

• GAベースの手法は、制御位相ゲートや制御NOTゲートを含むベンチマーク用ユニタリに対して、0.999を上回る忠実度を達成する量子回路を成功裏に進化させた。
• 進化した回路は、標準的な解析的分解と同等またはそれ以上の忠実度を達成したが、多くの場合、より少ないゲート数で実現された。
• 全テスト対象のユニタリに対して、500世代以内に収束を示した。初期世代で著しい改善が観察された。
• Cliffordゲートおよび非Cliffordゲートを含むさまざまなゲート集合に対して、本手法は頑健であった。これにより、複雑なエンタングルメント操作の合成が可能になった。
• 回路深さが効果的に最小化され、制御位相ゲートの進化した回路は深さ2を達成し、最適な解析的解と一致した。
• フィットネスのランドスケープは、GAによる有効な探索が可能になるほど滑らかであることが判明し、信頼性の高い収束を支持した。