[论文解读] Using the Parameterized Quantum Circuit combined with Variational-Quantum-Eigensolver (VQE) to create an Intelligent social workers' schedule problem solver

Parfait Atchade-Adelomou, Elisabet Golobardes-Ribé+1 more|arXiv (Cornell University)|Oct 12, 2020

Quantum Computing Algorithms and Architecture参考文献 28被引用 7

一句话总结

本文提出一种混合量子-经典方法，结合参数化量子线路（PQC）与变分量子本征求解器（VQE），用于解决社会工作者的智能调度问题，并引入基于案例的推理以实现动态重调度。该方法将问题建模为哈密顿量基态编码，在IBMQ硬件上通过Qiskit进行测试，展示了在NISQ约束下组合优化的量子可行性。

ABSTRACT

The social worker scheduling problem is a class of combinatorial optimization problems that combines scheduling with routing issues. These types of problems with classical computing can only be solved, in the best of cases, in an approximate way and significantly when the input data does not grow considerably. Today, the focus on the quantum computer should no longer be only on its enormous computing power, but also on the use of its imperfection for this era, (Noisy Intermediate-Scale Quantum (NISQ)) to create a powerful optimization and learning device that uses variational techniques. We had already proposed a formulation and solution of this problem using the capacity of the quantum computer. In this article, we present some broad results of the experimentation techniques. And above all, we propose an adaptive and intelligence solution, which efficiently recalculates the schedules of social workers. Taking into account new restrictions and changes in the initial conditions, by using a case-based reasoning system and the variational quantum eigensolver based on a finite-depth quantum circuit. That encodes the ground state of the Hamiltonian of social workers. The quantum feasibility of the algorithm will be modelled with docplex and tested on IBMQ computers.

研究动机与目标

• 解决在路由约束下使用量子计算进行社会工作者调度的组合优化挑战。
• 开发一种自适应的智能调度系统，能够在出现新约束或条件变化时重新计算调度。
• 将基于案例的推理与变分量子算法相结合，实现实时重调度。
• 利用Qiskit和IBM量子硬件验证所提算法的量子可行性。
• 将社会工作者调度问题建模为可通过PQC和VQE求解的哈密顿量基态问题。

提出的方法

• 将社会工作者调度问题表述为具有路由和时间约束的组合优化任务。
• 设计参数化量子线路（PQC），以编码表示问题成本函数的哈密顿量的基态。
• 使用变分量子本征求解器（VQE）最小化哈密顿量的期望值，从而近似求解基态。
• 集成基于案例的推理（CBR），在出现新约束或条件变化时动态更新调度。
• 使用DOcplex框架对算法进行建模，并在IBM量子（IBMQ）设备上执行以进行实验验证。
• 采用噪声缓解和有限深度的量子线路，以确保在含噪声中等规模量子（NISQ）硬件上的可行性。

实验结果

研究问题

• RQ1 基于混合量子-经典VQE的方法是否能有效建模并求解在动态约束下的社会工作者调度问题？
• RQ2 基于案例的推理的集成如何提升量子调度解决方案的适应性？
• RQ3 PQC-VQE框架在当前NISQ时代量子硬件上的可行性和性能如何？
• RQ4 该量子算法在多大程度上能够编码并优化复杂的调度与路由约束？
• RQ5 与经典近似求解器相比，该量子模型在可扩展性和解质量方面表现如何？

主要发现

• 所提出的PQC-VQE框架成功地将社会工作者调度问题建模为哈密顿量基态问题。
• 基于案例的推理的集成使得在出现新约束时能够动态重新计算调度，显著提升了系统的适应能力。
• 该算法已在IBM量子硬件上使用Qiskit实现并完成测试，证明了其在NISQ设备上的可行性。
• 基于DOcplex的建模方法实现了优化问题的精确表述与仿真，为量子执行提供了可靠前序准备。
• 结果证实，结合PQC的VQE可在当前量子硬件限制下应用于现实世界的组合优化问题。
• 该方法在近中期量子计算背景下，展现出在社会相关领域实现可扩展、智能调度解决方案的潜力。