[论文解读] Alibaba Cloud Quantum Development Platform: Applications to Quantum Algorithm Design

Cupjin Huang, Márió Szegedy+4 more|arXiv (Cornell University)|Sep 5, 2019

Quantum Computing Algorithms and Architecture参考文献 19被引用 16

一句话总结

本文介绍了阿里巴巴云量子开发平台（AC-QDP），这是一个基于张量网络的高性能经典模拟环境，可实现大规模量子算法测试。AC-QDP 展示了其在最多 4 层的 QAOA 电路中模拟高达 4,000 量子比特的能力，实现了在深度 4 时对 3-正则图的完全同构分离，并揭示 QAOA 能量景观编码了三角形计数等图结构不变量。

ABSTRACT

We report our work on the Alibaba Cloud Quantum Development Platform (AC-QDP). The capability of AC-QDP's computational engine was already reported in \cite{CZH+18, ZHN+19}.In this follow-up article, we demonstrate with figures how AC-QDP helps in testing large-scale quantum algorithms (currently within the QAOA framework). We give new benchmark results on regular graphs. AC-QDP's QAOA framework can simulate thousands of qubits for up to $4$ layers. Then we discuss two interesting use cases we have implemented on the platform: 1. Optimal QAOA sequences for small-cycle free graphs; 2. Graph structure discovery.

研究动机与目标

• 开发一个可扩展的经典模拟平台，用于测试大规模量子算法，特别是在 QAOA 框架内。
• 研究 QAOA 能量函数是否能完全区分非同构图，尤其是小环自由或正则图等困难情形。
• 探索基于 QAOA 的能量景观在图结构发现与相似性检测中的应用。
• 在复杂图族（包括 3-正则图和强正则图）上对平台性能进行基准测试，以评估其模拟极限。

提出的方法

• 利用基于张量网络的计算引擎高效模拟量子电路，克服态矢量模拟的指数级内存开销。
• 采用参数化的混合与代价哈密顿量的 QAOA 电路方案：$|\vec{\gamma},\vec{\beta}\rangle = e^{-i\beta_p\hat{B}}e^{-i\gamma_p\hat{C}} \cdots e^{-i\beta_1\hat{B}}e^{-i\gamma_1\hat{C}}(|+\rangle)^{\otimes n}$，其中 $\hat{B} = \sum_i X_i$ 且 $\hat{C} = \sum_j \hat{C}_j$。
• 将 QAOA 能量函数 $F_p(\vec{\gamma},\vec{\beta}) = \langle \vec{\gamma},\vec{\beta} | \hat{C} | \vec{\gamma},\vec{\beta} \rangle$ 作为经典优化 $\vec{\gamma}, \vec{\beta}$ 的目标函数。
• 应用随机边交换的马尔可夫链模拟正则图上的结构演化，追踪 QAOA 能量景观的变化。
• 使用多参数 QAOA 能量向量 $x_i = [F_i(\vec{\beta}^1,\vec{\gamma}^1), \dots, F_i(\vec{\beta}^k, \vec{\gamma}^k)]$ 表征并比较图的相似性。
• 通过深度 1 和深度 4 的 QAOA 模拟分析三角形计数等不变量，揭示其与能量函数的直接函数依赖关系。

实验结果

研究问题

• RQ1 QAOA 能量函数是否能完全区分非同构图，特别是在 3-正则图或强正则图等困难情形下？
• RQ2 QAOA 能量景观在多大程度上反映了图的内在不变量，如三角形计数或度序列？
• RQ3 基于 QAOA 的能量差异能否作为图相似性或结构演化变化的可靠度量？
• RQ4 经典模拟平台如 AC-QDP 在 QAOA 中可实际达到的最大量子比特数和电路深度范围是多少？
• RQ5 通过边交换实现的图随机结构变化在 QAOA 能量景观演化中如何体现？

主要发现

• AC-QDP 可成功模拟最多 4,000 个量子比特和 4 层的 QAOA 电路，展示了超越典型经典模拟极限的可扩展性。
• 对于 20 个节点上全部 4,060 个非同构的 3-正则图，深度 4 的 QAOA 完全区分了所有图对，表明其具备强大的同构分离能力。
• 3-正则图在深度 1 的 QAOA 能量仅取决于节点数、度序列和三角形数量，建立了明确的函数关系。
• 在 3-正则图上的随机游走表明，QAOA 能量差异随步数增加而增长，表明 QAOA 景观可检测结构演化。
• 平台在深度 4 时无法区分 40 个节点的 Cai-Fürer-Immerman 图，而深度 5 仍超出其能力范围——凸显其作为未来模拟器挑战性基准的重要性。
• 具有相同三角形计数的图在深度 1 QAOA 景观中形成独立聚类，证实 QAOA 能量编码了结构不变量。