[论文解读] Ground-state statistics from annealing algorithms: Quantum vs classical approaches

Yoshiki Matsuda, Hidetoshi Nishimori+1 more|ArXiv.org|Aug 4, 2008

Quantum Computing Algorithms and Architecture参考文献 13被引用 10

一句话总结

本文研究了在简并基态的伊辛自旋系统中，量子退火（QA）与经典模拟退火（SA）的性能对比。通过小系统精确对角化和大系统量子蒙特卡罗方法，发现标准量子退火（采用横向场）由于非遍历动力学，通常无法访问所有简并基态，而SA则能均匀采样这些基态。引入对所有状态的量子跃迁可提高遍历性，但代价是收敛变慢。QA在估计基态能量方面表现优异，但无法完全识别基态构型。

ABSTRACT

We study the performance of quantum annealing for systems with ground-state degeneracy by directly solving the Schrödinger equation for small systems and quantum Monte Carlo simulations for larger systems. The results indicate that naive quantum annealing using a transverse field may not be well suited to identify all degenerate ground-state configurations, although the value of the ground-state energy is often efficiently estimated. An introduction of quantum transitions to all states with equal weights is shown to greatly improve the situation but with a sacrifice in the annealing time. We also clarify the relation between the spin configurations in the degenerate ground states and the probabilities that those states are obtained by quantum annealing. The strengths and weaknesses of quantum annealing for problems with degenerate ground states are discussed in comparison with classical simulated annealing.

研究动机与目标

• 评估量子退火在受挫自旋系统中访问所有简并基态的能力。
• 从遍历性和收敛性角度，比较量子退火与经典模拟退火（SA）的性能。
• 研究尽管达到正确基态能量，量子退火为何可能无法找到某些基态构型。
• 探索改进量子退火协议以增强对简并基态的遍历采样。
• 阐明自旋构型简并性与通过QA获得这些状态的概率之间的关系。

提出的方法

• 对具有已知基态简并性的五自旋小系统，采用精确对角化和时间依赖薛定谔方程的数值积分。
• 使用随机级数展开（SSE）方法进行量子蒙特卡罗模拟，研究最多含40个自旋的大系统。
• 采用时间依赖哈密顿量：H(t) = (1−t/τ)H₁ + (t/τ)H₀，其中H₁为横向场，H₀为目标伊辛哈密顿量。
• 在退火过程中分析瞬时能谱，以识别回避能级交叉和非绝热跃迁。
• 引入对所有状态以相等权重的量子跃迁，以改善QA中的遍历性。
• 在多个自旋玻璃模型（Villain、±J、高斯型）中，比较QA与SA的剩余能量和基态构型概率。

实验结果

研究问题

• RQ1 在受挫伊辛自旋系统中，采用横向场的标准量子退火是否能高效采样所有简并基态构型？
• RQ2 量子退火在访问简并基态方面的性能与经典模拟退火相比如何？
• RQ3 自由自旋在决定基态被量子退火访问的可能性中起什么作用？
• RQ4 能否通过修改量子退火协议，引入对所有状态的跃迁，来提升简并系统中的遍历性？
• RQ5 在何种条件下，量子退火在估计基态能量方面优于经典模拟退火，而在采样基态构型方面也更优？

主要发现

• 采用横向场的朴素量子退火由于非遍历动力学，即使在缓慢退火速率下，也无法访问所有简并基态。
• 当退火速率足够慢时，经典模拟退火能以近乎相等的概率采样所有简并基态。
• 通过均匀引入对所有状态的量子跃迁，可显著提升QA的遍历性，确保所有简并构型被等概率采样。
• 遍历性的提升以收敛速度变慢为代价，导致所需退火时间增加。
• 在大系统中，量子退火在估计基态能量方面通常比模拟退火更高效，表现为更低的剩余能量。
• 基态中自由自旋的数量与其稳定性及被QA找到的概率正相关，表明其对采样效率具有结构性影响。