[论文解读] Study of Optimization Problems by Quantum Annealing

Tadashi Kadowaki|ArXiv.org|May 5, 2002

Advancements in Semiconductor Devices and Circuit Design参考文献 11被引用 41

一句话总结

本文提出了一种新颖的优化方法——量子退火，通过在伊辛模型中引入横向磁场，以量子涨落替代模拟退火中的热涨落。通过数值求解含时薛定谔方程并结合量子蒙特卡罗模拟，研究结果表明，相较于经典模拟退火，量子退火在多种自旋玻璃模型（包括伊辛模型和旅行商问题）中均实现了更高的基态概率和更快的收敛速度。

ABSTRACT

We introduce quantum fluctuations into the simulated annealing process of optimization problems, aiming at faster convergence to the optimal state. The idea is tested by the two models, the transverse Ising model and the traveling salesman problem (TSP). Adding the transverse field to the Ising model is a simple way to introduce quantum fluctuations. The strength of the transverse field is controlled as a function of time similarly to the temperature in the conventional method. TSP can be described by the Ising spin, so that we also apply the same technique to TSP. We directory solve the time-dependent Schrödinger equation for small-size systems and perform the quantum Monte Carlo simulation for large-size systems. Comparison with the results of the corresponding classical (thermal) method reveals that the quantum method leads to the ground state with much larger probability in almost all cases if we use the same annealing schedule of the control parameters. We also find that the relaxation time is quite short for quantum systems by numerical simulations. We consider this is one of the reasons why the annealing in quantum systems have a better performance of finding the optimal state in comparison with classical systems.

研究动机与目标

• 探究量子涨落是否能相比经典热涨落加速优化问题达到基态的收敛速度。
• 基于具有时变量子涨落的横向伊辛模型，开发并测试一种量子退火框架。
• 通过精确数值解与量子蒙特卡罗方法，比较量子退火与经典模拟退火的性能。
• 通过将问题映射为伊辛自旋系统，将量子退火方法扩展至一般优化问题，如旅行商问题。
• 分析弛豫时间与控制参数调度在决定量子退火效率中的作用。

提出的方法

• 通过在伊辛哈密顿量中添加时变横向磁场，将量子涨落引入退火过程，以量子隧穿替代热噪声。
• 对具有铁磁性、几何阻挫性和随机伊辛相互作用的小尺寸系统，数值求解含时薛定谔方程。
• 采用路径积分形式的量子蒙特卡罗方法模拟大尺寸系统，利用Trotter分片法离散虚时。
• 随时间线性减小横向场强度，类比于经典退火中的冷却过程，引导系统趋向基态。
• 将旅行商问题映射为伊辛自旋玻璃哈密顿量，以在一般NP难优化问题上测试该方法。
• 利用绝热条件确保系统始终保持在瞬时基态，从而最小化非绝热跃迁。

实验结果

研究问题

• RQ1 在横向伊辛模型中，量子涨落是否能优于经典热涨落，更有效地找到自旋玻璃系统的基态？
• RQ2 在相同的退火调度下，量子退火与经典模拟退火的性能相比如何？
• RQ3 弛豫时间在量子退火效率中起什么作用，它如何影响收敛速度？
• RQ4 能否通过伊辛自旋映射，将量子退火有效应用于旅行商问题等一般优化问题？
• RQ5 不同横向场控制时序（如线性、倒时序）如何影响最终态的布居数与成功概率？

主要发现

• 在相同退火调度下，量子退火达到基态的概率显著高于经典模拟退火。
• 小系统数值模拟显示，量子退火在基态的保真度更高，尤其在阻挫性和随机伊辛模型中表现更优。
• 大系统量子蒙特卡罗模拟结果与精确解一致，表明量子退火在大规模系统中仍保持优越性能。
• 量子系统的弛豫时间极短，有助于加快收敛并提升优化效率。
• 对于旅行商问题，量子退火方法展现出与横向伊辛模型相同的快速收敛与高成功率。
• 系统残留在激发态的最终概率按 $ \sim h^2 / (64c^4) $ 衰减，表明减缓横向场变化可提升绝热性与成功概率。