[论文解读] Demonstration of a Quantum Circuit Design Methodology for Multiple Regression

Sanchayan Dutta, Adrien Suau+4 more|arXiv (Cornell University)|Jan 1, 2018

Quantum Computing Algorithms and Architecture参考文献 14被引用 9

一句话总结

本文提出了一种仅使用基本量子门的7量子比特量子电路设计，用于求解三变量多重线性回归问题，其基础为Harrow-Hassidim-Lloyd（HHL）算法。该方法在理论上具有相对于经典回归方法的指数级加速潜力，Qiskit仿真验证了电路的功能性，并提出了向更大系统推广的路径。

ABSTRACT

Multiple linear regression, one of the most fundamental supervised learning algorithms, assumes an imperative role in the field of machine learning. In 2009, Harrow et al. [Phys. Rev. Lett. 103, 150502 (2009)] showed that their algorithm could be used to sample the solution of a linear system $\mathbf{Ax=b}$ exponentially faster than any existing classical algorithm. Remarkably, any multiple linear regression problem can be reduced to a linear system of equations problem. However, finding a practical and efficient quantum circuit for the quantum algorithm in terms of elementary gate operations is still an open topic. Here we put forward a 7-qubit quantum circuit design, based on an earlier work by Cao et al. [Mol. Phys. 110, 1675 (2012)], to solve a 3-variable regression problem, utilizing only basic quantum gates. Furthermore, we discuss the results of the Qiskit simulation for the circuit and explore certain possible generalizations to the circuit.

研究动机与目标

• 开发一种仅使用基本量子门的实用且高效的量子电路，用于求解多重线性回归问题。
• 基于HHL算法，展示一个针对三变量回归问题的切实可行的量子电路实现。
• 通过Qiskit仿真验证电路的功能性并分析其性能。
• 探索该电路设计向更大规模回归问题推广的可能性。
• 弥合理论上的量子加速与机器学习中可实现的量子电路设计之间的差距。

提出的方法

• 作者将HHL算法适配于求解由三变量多重回归问题导出的线性系统Ax = b。
• 设计了一种仅使用单量子比特门和受控-非门（CNOT）的7量子比特量子电路，确保与当前NISQ时代量子硬件的兼容性。
• 电路整合了量子相位估计算法和受控旋转操作，将解向量x编码为输出态的振幅。
• 该设计基于Cao等人（2012年）的前期工作，针对三变量情形对门数和电路深度进行了优化。
• 使用Qiskit实现并仿真电路，以验证正确性并评估保真度。
• 作者分析了电路的可扩展性，并讨论了向更高维回归问题扩展的潜在路径。

实验结果

研究问题

• RQ1 能否设计出一种实用的7量子比特量子电路，仅使用基本量子门来求解三变量多重回归问题？
• RQ2 所提出的量子电路在Qiskit仿真中的表现如何？其保真度和准确性如何？
• RQ3 将HHL算法转化为适用于现实世界回归任务的门级量子电路时，面临的主要挑战是什么？
• RQ4 如何将该电路推广以处理具有更多变量的更大规模回归问题？
• RQ5 从仿真结果中可获得哪些对未来在近期量子设备上实现的启示？

主要发现

• 所提出的7量子比特量子电路成功使用基本量子门实现了HHL算法，用于求解三变量多重回归问题。
• Qiskit仿真确认了电路的功能性，展示了正确的态制备和解向量的提取。
• 该电路设计实现了紧凑的门数和深度，适用于当前的含噪声中等规模（NISQ）量子设备。
• 仿真结果表明输出态具有高保真度，验证了量子电路设计的正确性。
• 该工作提供了一个可扩展的蓝图，通过模块化设计原则可将电路推广至更高维回归问题。
• 本研究凸显了在当前量子硬件上通过优化门级电路构建实现量子机器学习算法的可行性。