[论文解读] A Quantum Approximation Scheme for k-Means

Ragesh Jaiswal|arXiv (Cornell University)|Aug 16, 2023

Stochastic Gradient Optimization TechniquesComputer Science被引用 3

一句话总结

该论文提出了首个针对k-means聚类问题的量子近似方案，对任意ε>0均提供(1+ε)-近似保证。利用QRAM数据访问，该算法运行时间为Õ(2~O(k/ε) · d · η²)，对数据点数量N具有对数多边形依赖，同时避免依赖于量子线性代数子程序及条件数依赖。

ABSTRACT

We give a quantum approximation scheme (i.e., $(1 + \varepsilon)$-approximation for every $\varepsilon > 0$) for the classical $k$-means clustering problem in the QRAM model with a running time that has only polylogarithmic dependence on the number of data points. More specifically, given a dataset $V$ with $N$ points in $\mathbb{R}^d$ stored in QRAM data structure, our quantum algorithm runs in time $ ilde{O} \left( 2^{ ilde{O}(\frac{k}{\varepsilon})} η^2 d ight)$ and with high probability outputs a set $C$ of $k$ centers such that $cost(V, C) \leq (1+\varepsilon) \cdot cost(V, C_{OPT})$. Here $C_{OPT}$ denotes the optimal $k$-centers, $cost(.)$ denotes the standard $k$-means cost function (i.e., the sum of the squared distance of points to the closest center), and $η$ is the aspect ratio (i.e., the ratio of maximum distance to minimum distance). This is the first quantum algorithm with a polylogarithmic running time that gives a provable approximation guarantee of $(1+\varepsilon)$ for the $k$-means problem. Also, unlike previous works on unsupervised learning, our quantum algorithm does not require quantum linear algebra subroutines and has a running time independent of parameters (e.g., condition number) that appear in such procedures.

研究动机与目标

• 设计一种量子算法，用于解决k-means问题，对任意ε>0均实现(1+ε)-近似。
• 确保算法的运行时间仅对数据点数量N具有对数多边形依赖，不同于经典FPT算法中对N的线性依赖。
• 避免依赖于受条件数或其他病态参数影响的量子线性代数子程序。
• 将[ BGJK20 ]中的经典固定参数可满足性(FPT)近似方案适配到量子设置中，利用QRAM访问。
• 在保持量子随机存取存储器(QRAM)模型下效率的同时，实现可证明的近似保证。

提出的方法

• 将[ BGJK20 ]中的经典基于采样的FPT近似方案适配到量子设置中，利用QRAM数据访问。
• 采用量子拒绝采样来以(1±ε)精度模拟D²-采样（基于平方距离的采样），从而实现从目标分布中高效采样。
• 使用量子最小值查找和幅度放大技术来估计代价函数，并提升采样效率。
• 从采样点构建候选k-中心集列表，通过[ BGJK20 ]的理论保证确保至少一个候选集能达到(1+ε)-近似。
• 应用概率放大和量子幅度估计技术，确保以高概率输出一个优质解。
• 利用QRAM模型高效存储和访问数据集及中间中心集，支持对大规模数据集的快速量子操作。

实验结果

研究问题

• RQ1 能否设计一种量子算法，使k-means问题的(1+ε)-近似具有对N（数据点数量）的对数多边形依赖？
• RQ2 是否可能设计一种k-means的量子近似方案，避免对条件数或其他在量子线性代数中常见的病态参数的依赖？
• RQ3 能否有效将[ BGJK20 ]的经典FPT近似方案转化为量子形式，以保留其近似保证的同时改善对N的运行时间依赖？
• RQ4 在量子设置下，近似误差ε与运行时间之间的权衡如何，特别是对k/ε的指数依赖关系？
• RQ5 QRAM和量子采样技术的使用是否能实现对经典FPT算法在k-means聚类上的可证明量子加速？

主要发现

• 所提出的量子算法以高概率实现k-means问题的(1+ε)-近似，与经典FPT近似方案的最佳保证一致。
• 运行时间为Õ(2~O(k/ε) · d · η²)，对数据点数量N具有对数多边形依赖，适用于大规模数据集。
• 该算法不依赖于量子线性代数子程序，避免了对条件数或其他可能降低性能的参数的依赖。
• 极值比η（最大距离与最小距离之比）以η²形式出现在运行时间中，是影响实际性能的重要参数。
• 该算法使用量子拒绝采样以(1±ε)精度模拟D²-采样，足以保留经典方案中的(1+ε)-近似保证。
• 通过使用ε′ = ε/4，该算法确保最终代价在最优解的(1+ε)范围内，尽管子程序组合导致中间阶段仅有(1+ε)³保证。