[논문 리뷰] Quantum Persistent Homology

Bernardo Ameneyro, Vasileios Maroulas외 1명|arXiv (Cornell University)|2022. 02. 25.

Topological and Geometric Data Analysis인용 수 11

한 줄 요약

이 논문은 지속적인 조합 라플라시안을 생성하는 지속적 디랙 연산자를 사용하여 지속적인 베티 수를 계산하는 양자 알고리즘을 제안한다. 이는 다양한 척도에서 위상적 특징을 효율적으로 추적할 수 있게 하며, 고전적 알고리즘에 비해 지수적 속도 향상을 달성한다. 이 방법은 두 개의 정사각형 구성을 가진 점 클러스터 데이터 세트에서 검증되었으며, 고전적 방법이 실패하는 상황에서도 정확한 지속적인 베티 수 계산을 확인하였다.

ABSTRACT

Persistent homology is a powerful mathematical tool that summarizes useful information about the shape of data allowing one to detect persistent topological features while one adjusts the resolution. However, the computation of such topological features is often a rather formidable task necessitating the subsampling the underlying data. To remedy this, we develop an efficient quantum computation of persistent Betti numbers, which track topological features of data across different scales. Our approach employs a persistent Dirac operator whose square yields the persistent combinatorial Laplacian, and in turn the underlying persistent Betti numbers which capture the persistent features of data. We also test our algorithm on point cloud data.

연구 동기 및 목표

• 다양한 데이터 해상도에서 위상적 특징을 캡처하는 데 효율적인 지속적인 베티 수를 계산할 수 있는 양자 알고리즘을 개발한다.
• [39]에서 제안된 양자 디랙 연산자 접근법을 지속 호모로지로 일반화하여 위상적 지속성의 추적을 가능하게 한다.
• 이전의 양자 알고리즘이 정적 베티 수만 계산할 수 있는 한계를 해결한다.
• 비트리비어한 점 클러스터 예제(두 개의 정사각형)에 알고리즘을 구현하고 테스트한다. 여기서 지속적인 베티 수는 표준 베티 수와 다를 수 있다.
• 양자 계산이 지속 호모로지의 지수적 복잡도를 효율적으로 처리할 수 있음을 보여주며, 고전적 O(2^n) 연산을 다항식 시간의 양자 연산으로 줄인다.

제안 방법

• 경계 연산자에 선형적인 지속적 디랙 연산자를 도입하여, 그 제곱이 지속적 조합 라플라시안을 생성하도록 한다.
• 지속적인 베티 수는 지속적 디랙 연산자의 영 고유값의 중복도를 통해 양자 위상 추정을 통해 추출된다.
• 고전적 데이터를 효율적으로 양자 중첩 상태로 로드하기 위해 양자 랜덤 액세스 메모리(QRAM)를 활용한다.
• 그로버의 검색 알고리즘과 양자 위상 추정을 사용하여 고유값과 그 중복도를 추정함으로써 지속적인 베티 수를 계산한다.
• 양자 회로 아키텍처는 보조 큐비트와 제어된 지수 유니터리 연산자를 사용하여 디랙 연산자를 구현하며, 측정 결과는 고유값에 대한 확률 분포를 제공한다.
• 이 알고리즘은 두 개의 정사각형을 포함한 2차원 점 클러스터에 적용되었으며, 각각 4-, 3-, 5 큐비트 레지스터를 사용하여 지속적인 베티 수 β₁^ε₁,ε₂ 및 β₁^ε₂,ε₂를 계산하였다.

실험 결과

연구 질문

• RQ1 고전적 방법에 비해 지수적 속도 향상을 달성할 수 있는 지속적인 베티 수를 계산할 수 있는 양자 알고리즘을 설계할 수 있는가?
• RQ2 지속적 디랙 연산자를 어떻게 구성할 수 있는가? 그 제곱이 지속적 조합 라플라시안을 생성하도록 하기 위해.
• RQ3 이 알고리즘은 두 정사각형 예제와 같이 지속적 및 비지속적 위상적 특징을 구분할 수 있는가?
• RQ4 양자 위상 추정과 그로버의 검색이 지속 호모로지의 고유값 중복도 추정에 어떤 역할을 하는가?
• RQ5 양자 접근법이 지속 호모로지의 자원 요구량을 고전적 지수 복잡도에서 다항식 양자 복잡도로 줄일 수 있는가?

주요 결과

• 두 정사각형 점 클러스터에 대해 지속적인 베티 수 β₁^ε₁,ε₂ = 0 및 β₁^ε₂,ε₂ = 1을 정확히 계산하였으며, 고전적 방법이 실패하는 상황에서도 위상적 지속성을 올바르게 반영하였다.
• 알고리즘은 지수적 속도 향상을 달성하여, 고전적 지속 호모로지의 O(2^n) 런타임을 데이터 포인트 수 n에 대한 다항식 시간으로 줄였다.
• 전체 단체 복합체를 인코딩하기 위해 오직 n 큐비트만 사용하였으며, 고전적 방법은 2^n 비트가 필요하므로 메모리 오버헤드를 크게 감소시켰다.
• 양자 회로의 측정 결과에서 p=3 및 p=5에서 명확한 확률 피크가 관찰되어 고유값의 중복도가 확인되었으며, 계산된 베티 수의 타당성이 검증되었다.
• 고유값 λ=1은 가장 가까운 이웃인 λ=√3(p=5)와 분리되어 있어, β₁^ε₁,ε₁의 영모드 중복도 정확한 탐지가 가능함을 보장한다.
• 비트리비어한 테스트 케이스에서의 구현을 통해, 양자 계산이 데이터로부터 지속적인 위상적 특징을 신뢰성 있게 추출할 수 있음을 보여주었다.