[论文解读] An Exact Quantum Principal Component Analysis Algorithm Based on Quantum Singular Value Threshold

Chen He, Jiazhen Li+1 more|arXiv (Cornell University)|Oct 2, 2020

Quantum Computing Algorithms and Architecture被引用 3

一句话总结

本文提出了一种基于量子奇异值阈值化（qSVT）的精确量子主成分分析（qPCA）算法，可直接提取主成分而无需参数调优。通过消除迭代优化需求并将量子门数量减少近一半，该方法在更简单的量子电路中实现了精确结果，并在IBM Quantum Experience上得到验证。

ABSTRACT

Quantum principal component analysis (qPCA) is the quantum version of principal component analysis (PCA). In this paper, based on the quantum singular value threshold (qSVT), we propose an exact quantum principal component analysis algorithm, which screens the data components through the threshold, rather than output all components of data. Compared with other improved qPCA algorithms, our proposed algorithm does not require to adjust the parameters to obtain estimated results. Instead, it yields exact results directly, and the quantum circuit designed is simpler because almost half of the quantum gates are reduced. We implemented our qPCA algorithm on the IBM quantum computing platform: IBM Quantum Experience, and the experimental results verified correctness of our algorithm.

研究动机与目标

• 开发一种避免迭代参数调优以获得最优结果的量子PCA算法。
• 通过最小化qPCA实现中使用的量子门数量，降低量子线路复杂度。
• 通过阈值化实现主成分的精确提取，而非近似处理所有成分。
• 设计一种更高效的量子线路，在保持精度的同时减少资源开销。

提出的方法

• 该算法利用量子奇异值阈值化（qSVT）根据阈值值直接识别并提取显著的主成分。
• 通过使用精确阈值化避免参数调整，确保输出成分在数学上精确。
• 量子线路经过优化，与现有qPCA变体相比，量子门数量减少了约50%。
• 该方法直接使用输入密度矩阵进行qSVT处理，实现选择性成分提取，无需完整分解。
• 该算法在IBM Quantum Experience平台上实现并测试，以验证其正确性和效率。
• 阈值化机制确保仅保留奇异值超过预设阈值的成分，从而提高计算保真度。

实验结果

研究问题

• RQ1 能否在不依赖迭代参数调优的情况下实现qPCA的精确化，以实现最优成分选择？
• RQ2 如何在保持精度的同时降低qPCA中的量子线路复杂度？
• RQ3 量子奇异值阈值化能否实现主成分的直接提取，而无需计算和处理所有成分？
• RQ4 门数量的减少对近场量子硬件上qPCA的实际实现有何影响？

主要发现

• 所提出的qPCA算法在无需任何参数调整的情况下产生精确的主成分结果。
• 量子线路复杂度显著降低，与现有qPCA方法相比，量子门数量几乎减少一半。
• 该算法在IBM Quantum Experience平台上成功实现并验证，确认了其正确性。
• qSVT的使用实现了基于阈值化的直接成分筛选，避免了计算和处理所有成分的需要。
• 该方法保持了高保真度和高效率，适用于量子比特相干时间有限且门保真度较低的近场量子设备。