[论文解读] Local algorithms and the failure of log-depth quantum advantage on sparse random CSPs

Antares Chen, Neng Huang+1 more|arXiv (Cornell University)|Oct 2, 2023

Markov Chains and Monte Carlo MethodsMathematics被引用 3

一句话总结

本文针对高子句密度下的稀疏随机约束满足问题（CSPs），构建了一种经典局部消息传递算法，证明其在受重叠间隙性质（OGP）阻碍的算法中实现了最优满足分数。该算法源自与扩展巴黎兹变分原理相关的对偶随机控制问题，证明了即使在平均情况下，对于量子近似优化算法（QAOA）或深度为 log n 的有界深度量子电路，也不存在量子优势。

ABSTRACT

We construct and analyze a message-passing algorithm for random constraint satisfaction problems (CSPs) at large clause density, generalizing work of El Alaoui, Montanari, and Sellke for Maximum Cut [arXiv:2111.06813] through a connection between random CSPs and mean-field Ising spin glasses. For CSPs with even predicates, the algorithm asymptotically solves a stochastic optimal control problem dual to an extended Parisi variational principle. This gives an optimal fraction of satisfied constraints among algorithms obstructed by the branching overlap gap property of Huang and Sellke [arXiv:2110.07847], notably including the Quantum Approximate Optimization Algorithm and all quantum circuits on a bounded-degree architecture of up to $ε\cdot \log n$ depth.

研究动机与目标

• 填补对稀疏随机CSPs上优化问题的量子优势理解中的空白。
• 确立经典局部算法在重叠间隙性质（OGP）约束下可达到理论极限。
• 证明即使在有界度架构下，QAOA或对数深度量子电路在该问题上也不存在量子优势。
• 将先前关于消息传递与自旋玻璃对偶性的研究扩展至一般偶谓词CSPs。
• 为在存在OGP障碍时的最优算法设计提供严谨框架。

提出的方法

• 在稀疏超图上开发消息传递算法，利用状态演化追踪消息分布。
• 求解对偶随机控制问题以确定最优消息非线性性。
• 利用稀疏到稠密的连接，将随机CSPs与平均场伊辛自旋玻璃模型关联。
• 对连续时间控制问题应用有限差分近似，实现离散算法设计。
• 采用伪-Lipschitz函数与集中不等式，证明算法值的集中性。
• 依赖假设1（关于测度连续性的技术条件），以确保收敛性与最优性。

实验结果

研究问题

• RQ1 在OGP约束下，经典局部算法能否在稀疏随机CSPs中达到理论性能极限？
• RQ2 在该参数范围内，QAOA或对数深度量子电路是否相对于经典算法具有优势？
• RQ3 扩展的巴黎兹变分原理能否用于推导一般偶谓词CSPs的最优消息传递规则？
• RQ4 重叠间隙性质在阻碍经典与量子算法中起什么作用？
• RQ5 消息传递算法如何与平均场极限下的自旋玻璃模型及随机控制相关联？

主要发现

• 所提出的消息传递算法在受OGP阻碍的算法中渐近地实现了满足约束的最大分数。
• 该算法的性能与扩展巴黎兹变分原理的值一致，证明了在OGP阻碍类算法中的最优性。
• 对于具有偶谓词的稀疏随机CSPs，QAOA或对数深度量子电路均无法实现量子优势。
• 该算法的值在均值附近高度集中，确保当 n → ∞ 时以高概率成功。
• 该方法通过基于随机控制对偶性的统一框架，将先前关于Max-Cut的结果扩展至一般偶谓词CSPs。
• 该结果在假设1下成立，尽管该假设的完全证明仍是开放的技术挑战，但预期其成立。