[논문 리뷰] Operator Sampling for Shot-frugal Optimization in Variational Algorithms
이 논문은 측정 과부하를 줄이기 위해 가중치가 부여된 연산자 샘플링과 적응형 셔트 할당을 결합한 샷-저소비 최적화 방법인 Rosalin을 소개한다. 계수 크기에 비례하여 하미르토니안 항을 무작위로 샘플링하고 항당 셔트 수를 동적으로 조정함으로써, 이전 방법보다 더 적은 측정 수로 더 빠른 수렴을 달성한다. 노이즈 모델 상에서 H₂, LiH, BeH₂의 기본 상태 에너지 추정에서 다른 방법들을 능가한다.
Quantum chemistry is a near-term application for quantum computers. This application may be facilitated by variational quantum-classical algorithms (VQCAs), although a concern for VQCAs is the large number of measurements needed for convergence, especially for chemical accuracy. Here we introduce a strategy for reducing the number of measurements (i.e., shots) by randomly sampling operators $h_i$ from the overall Hamiltonian $H = \sum_i c_i h_i$. In particular, we employ weighted sampling, which is important when the $c_i$'s are highly non-uniform, as is typical in chemistry. We integrate this strategy with an adaptive optimizer developed recently by our group to construct an improved optimizer called Rosalin (Random Operator Sampling for Adaptive Learning with Individual Number of shots). Rosalin implements stochastic gradient descent while adapting the shot noise for each partial derivative and randomly assigning the shots amongst the $h_i$ according to a weighted distribution. We implement this and other optimizers to find the ground states of molecules H$_2$, LiH, and BeH$_2$, without and with quantum hardware noise, and Rosalin outperforms other optimizers in most cases.
연구 동기 및 목표
- 변량 양자 알고리즘(VQAs)에서 측정 비용이 높은 문제를 해결하기 위해, 특히 셔트 노이즈와 비가환 관측량으로 인해 큰 수의 셔트가 필요한 변량 양자 고유값 해법(VQE)을 대상으로 한다.
- 하미르토니안의 항들에서 계수 크기에 비례하여 무작위로 샘플링하는 새로운 전략을 도입함으로써 수렴에 필요한 양자 회로 셔트 수를 줄인다.
- 이 샘플링 전략을 적응형 셔트 할당과 통합하여 전체 기대값 추정에 의존하지 않고도 수렴 효율을 향상시킨다.
- 연산자 샘플링과 개별 셔트 적응을 결합한 새로운 최적화 방법 Rosalin을 개발하여 표준 및 기존 적응형 최적화 방법보다 VQA 작업에서 뛰어난 성능을 내도록 한다.
- 소음이 없는 조건과 노이즈가 있는 양자 하드웨어 조건에서 H₂, LiH, BeH₂ 등의 분자의 기본 상태 에너지 문제에 대해 방법을 검증한다.
제안 방법
- 전체 하미르토니안 $ H = \sum_i c_i h_i $ 에서 항 $ h_i $ 를 계수 크기에 비례하는 확률로 샘플링함으로써, 단일 셔트로도 에너지의 불편추정치를 유지한다.
- 각 기울기 성분을 무작위로 선택된 $ h_i $ 항의 부분집합을 사용하여 추정하는 스토하스틱 기울기 하강법을 적용함으로써 분산과 측정 비용을 감소시킨다.
- 각 부분 도함수에 대한 셔트 할당을 기울기 분산과 노름의 추정치에 기반해 동적으로 조정하며, 이들 양의 누적 평균을 사용해 셔트 할당을 안내한다.
- Rosalin은 적응형 셔트 할당을 위한 iCANS 프레임워크를 통합하지만, 연산자 샘플링을 통합함으로써 제한된 셔트 예산을 더 효율적으로 사용할 수 있도록 개선한다.
- 연산자 선택을 위해 가중치가 부여된 확률 분포를 사용하고, 기울기 노름 추정치의 안정성을 향상시키기 위해 편향 항을 적용한다.
- 특정 기울기 성분에 과도하게 셔트가 할당되는 것을 방지하기 위해 클리핑 메커니즘을 포함하여 총 셔트 수가 제한 범위 내에 유지되도록 한다.
실험 결과
연구 질문
- RQ1계수 크기에 비례하여 하미르토니안 항을 무작위로 샘플링하는 방식이 최소한의 셔트 수로도 에너지의 불편추정치를 생성할 수 있는가?
- RQ2연산자 샘플링과 적응형 셔트 할당을 조합하면 변량 양자 알고리즘에서 수렴 속도와 정확도를 향상시킬 수 있는가?
- RQ3노이즈 조건 하에서 표준 최적화 방법(예: Adam)과 이전의 적응형 방법(iCANS)에 비해 Rosalin은 셔트 효율성과 수렴성 면에서 어떻게 비교되는가?
- RQ4샘플링 과정의 본질적 무작위성 덕분에 국소 최솟값을 회피하는 데 도움이 될 수 있는가?
- RQ5H₂, LiH, BeH₂와 같은 분자에 대한 VQE 시뮬레이션에서 이 방법은 측정 과부하를 어느 정도 줄일 수 있는가?
주요 결과
- Rosalin은 VQE 시뮬레이션에서 수렴에 필요한 양자 회로 셔트 수를 크게 줄였으며, 표준 최적화 방법과 이전의 적응형 방법(iCANS)을 모두 능가한다.
- 가중치가 부여된 샘플링 전략 덕분에 항당 기울기 성분에 단 한 개의 셔트만으로도 불편 에너지 추정치를 달성할 수 있어, 이전에 보기 어려운 샷 저소비 성능을 달성한다.
- H₂, LiH, BeH₂의 시뮬레이션에서 Rosalin은 다른 최적화 방법보다 더 빠른 수렴과 높은 에너지 정확도를 달성했으며, 특히 노이즈가 있는 양자 하드웨어 조건에서 두드러진 성능을 보였다.
- 연산자 샘플링과 적응형 셔트 할당의 통합은 하드웨어 노이즈에 대한 강건성을 향상시켰으며, 무작위성이 국소 최솟값을 피하고 손실 곡면을 평탄하게 만드는 데 기여했다.
- 알고리즘의 성능은 다양한 하이퍼파rameter 설정에서도 안정적이었으며, 편향 항과 누적 평균 파라미터가 수렴 안정성과 분산 감소에 기여했다.
- 실험 결과에 따르면 총 셔트 수가 제한된 조건에서도 Rosalin은 높은 정확도를 유지했으며, 기준 방법 대비 뛰어난 샷 효율성을 입증했다.
더 나은 연구,지금 바로 시작하세요
연구 설계부터 논문 작성까지, 연구 시간을 획기적으로 줄여보세요.
카드 등록 없음 · 무료 플랜 제공
이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.