[论文解读] Different Strategies for Optimization Using the Quantum Adiabatic Algorithm

Elizabeth Crosson, Edward Farhi+3 more|arXiv (Cornell University)|Jan 28, 2014

Quantum Computing Algorithms and Architecture参考文献 7被引用 69

一句话总结

本文研究了三种策略，以提升量子绝热算法（QAA）在20量子比特困难MAX 2-SAT实例上的成功概率。通过缩短演化时间、在驱动哈密顿量的激发态上初始化，以及在演化中途添加随机局部哈密顿量，作者实现了显著的成功率提升——最高达标准QAA的1000倍，表明非绝热路径在困难实例上可优于传统绝热演化。

ABSTRACT

We present the results of a numerical study, with 20 qubits, of the performance of the Quantum Adiabatic Algorithm on randomly generated instances of MAX 2-SAT with a unique assignment that maximizes the number of satisfied clauses. The probability of obtaining this assignment at the end of the quantum evolution measures the success of the algorithm. Here we report three strategies which consistently increase the success probability for the hardest instances in our ensemble: decreasing the overall evolution time, initializing the system in excited states, and adding a random local Hamiltonian to the middle of the evolution.

研究动机与目标

• 识别并改进量子绝热算法（QAA）在20量子比特MAX 2-SAT最难实例上的性能。
• 检验非绝热策略（如加快演化速度和非传统初始态）是否可优于标准绝热演化。
• 评估在绝热路径中添加随机局部哈密顿量对成功概率和能隙动力学的影响。
• 确定这些策略是否在困难实例间具有普适性，而非小系统尺寸的产物。
• 通过在相同量子比特数下测试已知困难问题（Grover搜索）来验证，所观察到的改进并非由低层次数值误差引起。

提出的方法

• 生成了202,078个具有唯一基态的20量子比特随机MAX 2-SAT实例，利用平均场近似筛选出在T=100时成功概率<10⁻⁴的实例。
• 对完整QAA演化过程进行精确的数值积分，求解时间依赖的薛定谔方程，其中H(t) = (1−t/T)HB + (t/T)HP，T ∈ [1, 200]。
• 实施三种策略：(1) 将总演化时间T缩短至绝热阈值以下，(2) 在驱动哈密顿量HB的首个激发态的随机叠加态上初始化，(3) 在t=T/2处添加随机局部哈密顿量。
• 对于路径扰动，探索了三种类型：可逆哈密顿量、复数哈密顿量和对角随机局部项，均在演化中点应用。
• 计算演化过程中基态与第一激发态之间的最小能隙g_min，以关联其与成功概率的关系。
• 在20量子比特的Grover搜索问题上验证结果，以测试这些策略是否能提升对已知需指数时间的问题的性能。

实验结果

研究问题

• RQ1 在困难MAX 2-SAT实例上，是否可通过缩短总演化时间T来提高QAA的成功概率，尽管这与绝热定理的预测相反？
• RQ2 在驱动哈密顿量HB的激发态叠加态上初始化是否可带来高于标准基态初始化的成功概率？
• RQ3 在绝热路径中点添加随机局部哈密顿量项，是否可通过改变能隙结构来提升成功概率？
• RQ4 观察到的改进是源于能隙增大，还是源于非绝热演化中的其他动力学效应？
• RQ5 这些策略是否适用于其他困难问题，还是仅针对小量子比特数下困难MAX 2-SAT实例的结构特性？

主要发现

• 所有137个困难实例在较短演化时间下均表现出更高的成功概率，其中一个实例在T=12时成功概率P=0.05，而T=100时P=5×10⁻⁵，实现了1000倍提升。
• 在HB的首个激发态随机叠加态上初始化，使大多数困难实例的平均成功概率提升至约0.05，接近理论上限。
• 在可逆哈密顿量情况下添加随机局部哈密顿量最常提升成功概率，而复数情况最可能实现接近1的成功概率。
• 路径扰动的对角情况表现出最广泛的性能差异，存在显著降低成功概率的风险，表明其对扰动结构高度敏感。
• 观察到最小能隙g_min越大，成功概率越高，尤其在表现最佳的路径变化实验中尤为明显。
• 在20量子比特的Grover搜索问题上，这些策略未能提升成功概率，证实其增益是特定于困难MAX 2-SAT实例的结构特性，而非通用算法改进。