[论文解读] Riemannian optimization and automatic differentiation for complex quantum architectures

I. A. Luchnikov, Mikhail Krechetov+1 more|arXiv (Cornell University)|Jul 2, 2020

Quantum Computing Algorithms and Architecture被引用 11

一句话总结

本文提出将黎曼优化与自动微分相结合，用于复杂量子系统中的约束优化，实现了在量子控制、纠缠重正化和量子层析成像中的高效求解。该方法在基于TensorFlow的框架中利用黎曼流形几何，展示了在量子技术领域中出色的性能和广泛的应用潜力。

ABSTRACT

Optimization methods on Riemannian manifolds are a powerful class of optimization methods that allow performing constrained optimization. We apply first-order Riemannian optimization methods to various problems of quantum physics including entanglement renormalization of local many-body Hamiltonians, quantum control, and quantum tomography. We show that the Riemannian optimization forms a new powerful numerical tool for solving different problems of quantum technologies. Besides, we provide a package written on top of TensorFlow for the Riemannian optimization in quantum physics

研究动机与目标

• 开发一种基于黎曼几何的可扩展优化框架，用于解决量子物理中的约束问题。
• 将一阶黎曼优化方法应用于多体哈密顿量重正化与量子控制等关键量子物理问题。
• 通过在黎曼流形上进行约束优化，实现高效的量子层析成像。
• 提供一个基于TensorFlow的软件包，实现与量子物理工作流程的无缝集成。

提出的方法

• 利用一阶黎曼优化方法，在与量子态和算符相关的黎曼流形上执行约束优化。
• 通过TensorFlow实现自动微分，以在弯曲流形上计算梯度，支持端到端训练。
• 通过在适当流形上参数化控制场，将黎曼优化应用于量子控制问题。
• 利用流形约束在优化过程中保持物理性质（如纯度与幺正性）。
• 基于TensorFlow开发软件包，支持在量子物理应用中实现黎曼优化。
• 将黎曼优化与量子态重建相结合，提升量子层析成像的精度。

实验结果

研究问题

• RQ1 黎曼优化在约束量子物理问题中是否优于标准优化方法？
• RQ2 黎曼优化在处理量子态与算符流形固有的几何约束方面效果如何？
• RQ3 自动微分在多大程度上提升了黎曼优化在量子系统中的可扩展性与准确性？
• RQ4 所提出的框架能否在量子控制与层析成像等多样化量子技术中实现泛化？
• RQ5 基于TensorFlow的实现如何促进在量子信息科学中的实际部署？

主要发现

• 黎曼优化为解决复杂的量子物理问题（包括纠缠重正化与量子控制）提供了强大的数值工具。
• 该方法在弯曲流形上的优化过程中，能有效保持单位性与纯度等物理约束。
• 自动微分实现了在黎曼流形上的高效梯度计算，显著提升了框架的可扩展性。
• 基于TensorFlow的软件包促进了与现有量子计算与模拟工作流的集成。
• 该方法在多种量子技术应用中表现出色，表明其具有广泛的适用性。