[论文解读] Demonstration of Topological Data Analysis on a Quantum Processor

He-Liang Huang, Xi‐Lin Wang+8 more|arXiv (Cornell University)|Jan 19, 2018

Topological and Geometric Data Analysis参考文献 1被引用 6

一句话总结

本论文首次在六光子量子处理器上实现了拓扑数据分析（TDA）的量子算法实验。研究成功在三个点组成的网络上，于两个不同尺度下计算了贝蒂数——用于计数数据中孔洞的拓扑不变量，验证了在噪声大、非结构化的数据集中，TDA具有量子加速的潜力。

ABSTRACT

Topological data analysis offers a robust way to extract useful information from noisy, unstructured data by identifying its underlying structure. Recently, an efficient quantum algorithm was proposed [Lloyd, Garnerone, Zanardi, Nat. Commun. 7, 10138 (2016)] for calculating Betti numbers of data points -- topological features that count the number of topological holes of various dimensions in a scatterplot. Here, we implement a proof-of-principle demonstration of this quantum algorithm by employing a six-photon quantum processor to successfully analyze the topological features of Betti numbers of a network including three data points, providing new insights into data analysis in the era of quantum computing.

研究动机与目标

• 展示在物理量子处理器上实现拓扑数据分析（TDA）量子算法的可行性。
• 通过利用量子优势，解决经典TDA方法在大规模数据集上计算不可行的问题。
• 在小型量子系统上，实验验证量子算法计算贝蒂数——关键的拓扑不变量——的能力。
• 探索在涉及噪声大、非结构化数据的真实应用场景中，量子增强数据分析的可行性。

提出的方法

• 该量子算法通过使用距离阈值 $\epsilon$ 从数据点构建单纯复形来计算贝蒂数。
• 采用六光子集成光子量子处理器编码拓扑结构，并模拟用于贝蒂数估计的量子演化过程。
• 该算法利用量子振幅估计算法，在 $O(n^5/\delta)$ 时间内计算贝蒂数，相比经典方法具有指数加速优势。
• 通过量子态层析技术从实验数据重建密度矩阵 $\rho_{\exp}^{\epsilon_1}$ 和 $\rho_{\exp}^{\epsilon_2}$，随后采用最大似然估计确保物理有效性。
• 从重建的密度矩阵的本征值谱中提取贝蒂数，其中 $\beta_0$、$\beta_1$ 和 $\beta_2$ 分别对应连通分量、环路和空洞。
• 在两个不同的 $\epsilon$ 值（$\epsilon_1$ 和 $\epsilon_2$）下进行实验，以观察数据结构中的拓扑相变。

实验结果

研究问题

• RQ1 量子处理器能否可靠地计算小规模拓扑数据结构的贝蒂数？
• RQ2 在物理实现中，TDA的量子算法是否展现出相对于经典方法的可测量优势？
• RQ3 在光子平台上，该量子TDA协议对实验噪声和态制备误差的鲁棒性如何？
• RQ4 能否通过量子模拟在不同尺度下动态监测如孔洞和空洞等拓扑特征？
• RQ5 在真实量子处理器中，结合态层析与最大似然重构，贝蒂数估计的保真度与准确性如何？

主要发现

• 实验成功在三个点的数据集上，于两个不同的拓扑尺度（$\epsilon_1$ 和 $\epsilon_2$）下计算了贝蒂数，确认了连通分量和环路等拓扑特征的存在。
• 通过最大似然估计对重建的密度矩阵 $\rho_{\exp}^{\epsilon_1}$ 和 $\rho_{\exp}^{\epsilon_2}$ 进行校正，确保其正定性，从而获得物理上有效的量子态。
• 校正后密度矩阵的本征值谱揭示了拓扑结构：在 $\epsilon_1$ 时，$\beta_0 = 1$，$\beta_1 = 1$，$\beta_2 = 0$，表明存在一个连通分量和一个环路。
• 在 $\epsilon_2$ 时，贝蒂数为 $\beta_0 = 1$，$\beta_1 = 0$，$\beta_2 = 0$，表明环路特征已坍缩，展示了拓扑相变。
• 重建的量子态保真度足够高，可提取有意义的拓扑不变量，验证了该算法在实验噪声下的鲁棒性。
• 结果证实，利用近期量子处理器进行拓扑数据分析是可行的，为可扩展的量子增强数据分析铺平了道路。