[论文解读] QCI Qbsolv Delivers Strong Classical Performance for Quantum-Ready Formulation

Michael Booth, Jesse Berwald+6 more|arXiv (Cornell University)|May 22, 2020

Quantum Computing Algorithms and Architecture参考文献 11被引用 9

一句话总结

本文介紹了QCI的下一代qbsolv，這是一款針對量子就緒的二次無約束二值優化（QUBO）問題進行優化的經典求解器，在真實世界基準實例上展現出優異的解品質、速度與多樣性。結果顯示，經典求解器如今已能提供量子就緒的優勢，加速生態系準備就緒，並在量子優勢實現前立即帶來性能提升。

ABSTRACT

Many organizations that vitally depend on computation for their competitive advantage are keen to exploit the expected performance of quantum computers (QCs) as soon as quantum advantage is achieved. The best approach to deliver hardware quantum advantage for high-value problems is not yet clear. This work advocates establishing quantum-ready applications and underlying tools and formulations, so that software development can proceed now to ensure being ready for quantum advantage. This work can be done independently of which hardware approach delivers quantum advantage first. The quadratic unconstrained binary optimization (QUBO) problem is one such quantum-ready formulation. We developed the next generation of qbsolv, a tool that is widely used for sampling QUBOs on early QCs, focusing on its performance executing purely classically, and deliver it as a cloud service today. We find that it delivers highly competitive results in all of quality (low energy value), speed (time to solution), and diversity (variety of solutions). We believe these results give quantum-forward users a reason to switch to quantum-ready formulations today, reaping immediate benefits in performance and diversity of solution from the quantum-ready formulation,preparing themselves for quantum advantage, and accelerating the development of the quantum computing ecosystem.

研究动机与目标

• 開發一款經典求解器，能在不依賴未來量子硬體的情況下，對量子就緒的QUBO公式表現出強勁性能。
• 讓組織能立即採用量子就緒的工具，從解品質與多樣性中獲益。
• 透過推進混合量子-經典工作流程與工具，為量子運算生態系做好準備。
• 證明經典求解器可在真實世界優化問題上，與早期量子處理器的表現比拋或超越。
• 確立qbsolv作為工業級QUBO問題的生產級、可雲端部署的服務。

提出的方法

• 作者優化qbsolv以提升其在QUBO問題上的經典性能，著重於能量品質、求解時間與解的多樣性。
• 採用混合局部搜尋與量子啟發式取樣方法，有效探索解空間。
• 在45個標準的MQlib基準實例上進行評估，涵蓋多樣化問題領域與密度。
• 以能量值、1200秒內的求解時間，以及漢明距離來衡量性能，以評估解的多樣性。
• 系統以雲端服務形式部署，透過公共雲基礎設施實現可擴展的存取。
• 該方法包含先進啟發式演算法，用於偵測進展停滯與避免局部最差解，進而提升收斂速度。

实验结果

研究问题

• RQ1 在量子優勢實現之前，經典求解器是否能在量子就緒的QUBO問題上表現出競爭力？
• RQ2 經典求解器在多大程度上能模擬量子退火所呈現的解多樣性？
• RQ3 在真實世界基準測試中，qbsolv與其他求解器相比，在解品質、速度與多樣性方面表現如何？
• RQ4 經典QUBO求解器在加速量子就緒應用開發方面扮演何種角色？
• RQ5 經典求解器能否作為工業優化用途的生產級工具，同時為未來量子硬體做好準備？

主要发现

• QCI qbsolv在所有測試的45個MQlib基準實例上均達成最佳已知解品質，能量值相對於最佳已知結果的相對容忍度在10^-6以內。
• 單一實例中，求解器找到最多150種獨特的高品質解，漢明距離超過350，顯示出強勁的多樣性。
• 所有實例中，qbsolv均在1200秒時間限制的25%內完成，展現出快速的求解時間表現。
• 在解多樣性方面，qbsolv超越其他經典與混合求解器，特別是在g000495與g001345等密集且複雜的實例上表現突出。
• 結果顯示，經典求解器如今已能獨立於量子硬體，提供量子就緒的性能與解多樣性優勢。
• 作者發現有9個實例中，單一啟發式方法未能達成最佳已知解，顯示在基準選擇與求解器調校方面仍有進一步改進空間。