[论文解读] Planning for Compilation of a Quantum Algorithm for Graph Coloring

N. Minh, Zhihui Wang+4 more|arXiv (Cornell University)|Feb 23, 2020

Quantum Computing Algorithms and Architecture参考文献 25被引用 7

一句话总结

本文将时间规划应用于在近期量子硬件上编译图着色的量子交替驱动算符变分法（QAOA）电路，扩展了先前在MaxCut问题上的工作。该研究将量子比特初始化建模为经典规划问题，表明自动化规划在减少完成时间（makespan）方面优于随机或人工初始化，在关键基准测试中，TFD和SGPlan表现优于其他方法。

ABSTRACT

The problem of compiling general quantum algorithms for implementation on near-term quantum processors has been introduced to the AI community. Previous work demonstrated that temporal planning is an attractive approach for part of this compilationtask, specifically, the routing of circuits that implement the Quantum Alternating Operator Ansatz (QAOA) applied to the MaxCut problem on a quantum processor architecture. In this paper, we extend the earlier work to route circuits that implement QAOA for Graph Coloring problems. QAOA for coloring requires execution of more, and more complex, operations on the chip, which makes routing a more challenging problem. We evaluate the approach on state-of-the-art hardware architectures from leading quantum computing companies. Additionally, we apply a planning approach to qubit initialization. Our empirical evaluation shows that temporal planning compares well to reasonable analytic upper bounds, and that solving qubit initialization with a classical planner generally helps temporal planners in finding shorter-makespan compilations for QAOA for Graph Coloring. These advances suggest that temporal planning can be an effective approach for more complex quantum computing algorithms and architectures.

研究动机与目标

• 解决在连通性受限且门操作受限的近期量子处理器上编译复杂QAOA电路用于图着色的挑战。
• 将先前针对MaxCut的路由工作扩展到需要混合门和复杂操作排序的更复杂问题类别。
• 在谷歌、IBM和Rigetti的真实硬件架构上评估时间规划，这些架构更接近实际的NISQ设备。
• 将量子比特初始化建模为经典规划问题，以减少整体电路完成时间。
• 证明自动化规划用于初始化可提升多种时间规划器和不同问题规模下的性能。

提出的方法

• 将图着色的QAOA电路路由建模为PDDL2.1持续动作问题，将量子操作和路由约束表示为时间规划任务。
• 使用最先进的时间规划器（TFD、OPTIC、SGPlan）生成无冲突、可并行的门操作序列，并最小化完成时间。
• 通过使用Fast Downward将量子比特初始化（QI）与路由解耦，将其建模为经典规划问题，放松时间约束和MIX门约束。
• 对比人工、随机和规划器生成的初始化在最终完成时间上的表现差异。
• 在谷歌、IBM和Rigetti的真实硬件图和门持续时间上进行评估，使用多样化的实例和配置。
• 使用分析上界作为参考，以评估计划质量，特别是在较小或结构化情况下。

实验结果

研究问题

• RQ1 时间规划能否在真实近期量子硬件架构上有效路由图着色的QAOA电路，该问题比MaxCut更复杂？
• RQ2 通过经典规划实现的自动化量子比特初始化，与人工或随机初始化相比，能否更有效地减少图着色QAOA电路的完成时间？
• RQ3 在不同硬件和问题配置下，时间规划器（TFD、OPTIC、SGPlan）中哪一个在QAOA图着色编译中表现最佳？
• RQ4 将量子比特初始化作为独立的经典规划问题求解，是否能提升主路由任务中时间规划器的性能？
• RQ5 规划器性能和完成时间如何随问题规模和硬件架构变化？自动化初始化是否具备良好的可扩展性？

主要发现

• 使用Fast Downward进行量子比特初始化的时间规划在大多数配置下显著改善了完成时间，相较于随机和人工初始化，在15个测试用例中的13个表现更优。
• 对于较小问题，TFD始终获得最佳计划质量，而SGPlan速度最快，尽管结果不一致，但所有问题均在数秒内解决。
• 对于较大问题，人工初始化不可行，而Fast Downward生成的初始化使TFD和OPTIC的完成时间优于人工设置。
• 在Routing-I设置中（初始化和路由由同一规划器求解），未能生成高质量计划，仅OPTIC找到一次最优完成时间，表明当前规划器在联合问题上存在局限性。
• SGPlan偶尔产生远低于其他规划器的完成时间，提示组合式方法的潜力。
• 经典规划方法为量子比特初始化提供了一种可扩展的替代方案，尤其适用于大规模、通用实例，此时人工设置不切实际。