[논문 리뷰] Improved maximum-likelihood quantum amplitude estimation

Adam Callison, Dan E. Browne|arXiv (Cornell University)|2022. 09. 07.

Quantum Computing Algorithms and Architecture인용 수 8

한 줄 요약

이 논문은 회로 깊이 제약 조건 하에서 목표 정밀도를 달성하기 위한 사전적 프레임워크를 제공함으로써 최대우도 양자 진폭 추정(MLQAE)을 향상시킨다. 알고리즘이 실패하는 '특이한' 진폭 값들을 특정하고, 성능을 복원하기 위한 히우리스틱 수정안을 제안함으로써, MLQAE의 실용성을 근접 및 중기 양자 하드웨어에 더욱 높여준다.

ABSTRACT

Quantum amplitude estimation is a key subroutine in a number of powerful quantum algorithms, including quantum-enhanced Monte Carlo simulation and quantum machine learning. Maximum-likelihood quantum amplitude estimation (MLQAE) is one of a number of recent approaches that employ much simpler quantum circuits than the original algorithm based on quantum phase estimation. In this article, we deepen the analysis of MLQAE to put the algorithm in a more prescriptive form, including scenarios where quantum circuit depth is limited. In the process, we observe and explain particular ranges of `exceptional' values of the target amplitude for which the algorithm fails to achieve the desired precision. We then propose and numerically validate a heuristic modification to the algorithm to overcome this problem, bringing the algorithm even closer to being useful as a practical subroutine on near- and mid-term quantum hardware.

연구 동기 및 목표

• 깊이 제한된 양자 회로 조건 하에서 목표 정밀도를 특정 확률로 달성할 수 있도록 MLQAE에 대한 사전적 프레임워크를 제공하는 것.
• MLQAE가 목표 정밀도를 달성하지 못하는 특정 범위의 '특이한' 진폭 값들을 식별하고 설명하는 것.
• 이러한 특이한 값에서 정밀도 실패를 완화할 수 있도록 히우리스틱 수정안을 개발하고 검증하는 것.
• 양자 몬테카를로 및 머신러닝과 같은 근접 및 중기 양자 응용 프로그램에서 MLQAE를 서브루틴으로 사용할 수 있도록 실용성을 강화하는 것.

제안 방법

• 저자들은 베른슈타인-폰 뮈제스 정리에서 유도된 규칙성 가정을 활용하여 MLQAE 분석을 확장하고, 회로 깊이를 목표 정밀도로 매핑한다.
• 목표 정밀도와 신뢰 수준에 기반하여 그로버 유사 반복 횟수를 선택하는 방법을 유도한다.
• 진폭 추정 값이 문제를 일으키는 '특이한' 값 근처에 있을 경우, 우도 최대화 과정을 조정하는 히우리스틱 수정안을 도입한다.
• 수치 시뮬레이션을 통해 다양한 진폭 값과 회로 깊이에서 수정된 알고리즘의 성능을 검증한다.
• MLQAE를 하이브리드 양자-클래식 알고리즘으로 간주하여, 그로버 유사 회로와 클래식 우도 최대화를 결합한다.
• 핵심 양자 회로 구조를 변경하지 않으면서도 특이한 값 근처에서 수렴 안정성을 향상시키기 위해 수정안을 설계한다.

실험 결과

연구 질문

• RQ1 깊이 제한된 상황에서 회로의 구현 가능한 깊이와 MLQAE 추정의 정밀도 사이의 관계는 무엇인가?
• RQ2 왜 일부 '특이한' 진폭 값에서는 MLQAE가 목표 정밀도를 달성하지 못하는가?
• RQ3 우도 최대화 단계에 대한 히우리스틱 수정이 이러한 특이한 값 근처에서 정밀도를 복원할 수 있는가?
• RQ4 실제 깊이 제약 조건 하에서 수정된 MLQAE는 원본 알고리즘 대비 수치적으로 어떻게 성능을 보이는가?
• RQ5 실제로 수정된 알고리즘이 얼마나 오랫동안 제곱근 속도 향상 스케일링을 유지하는가?

주요 결과

• 논문은 표준 MLQAE가 우도 최대화의 불안정성으로 인해 목표 정밀도를 달성하지 못하는 특정 진폭 범위—'특이한' 진폭으로 지정됨—을 특정한다.
• 이러한 특이한 값들은 우도 함수의 곡률이 얕아져 클래식 후처리 단계에서 수렴이 불량해지는 경우에 해당한다.
• 제안된 히우리스틱 수정안은 수치 시뮬레이션을 통해 이러한 특이한 진폭 값에서 정밀도를 성공적으로 복원한다.
• 수정된 알고리즘은 깊이 제한 조건 하에서도 실질적으로 제곱근 속도 향상 스케일링을 유지한다.
• 이 방법은 근접 및 중기 양자 하드웨어에서 실용적인 양자 응용 프로그램을 위한 더 신뢰할 수 있고 사전적 사용을 가능하게 한다.
• 수치적 검증을 통해 수정된 MLQAE는 원본 알고리즘보다 더 넓은 진폭 범위에서 높은 확률로 목표 정밀도를 달성하는 것으로 확인되었다.