[论文解读] Towards favorable landscapes in quantum combinatorial optimization

Juneseo Lee, Alicia Magann+2 more|arXiv (Cornell University)|May 3, 2021

Quantum Computing Algorithms and Architecture参考文献 26被引用 8

一句话总结

本文研究了量子线路结构如何影响变分量子算法中MaxCut问题的类经典优化景观。通过分析具有指数级参数数量的可交换ansatz族，证明了在一般图上不存在局部最优解，尽管未实现超多项式加速；数值结果进一步凸显了非对易性和纠缠在性能提升中的重要性。

ABSTRACT

The performance of variational quantum algorithms relies on the success of using quantum and classical computing resources in tandem. Here, we study how these quantum and classical components interrelate. In particular, we focus on algorithms for solving the combinatorial optimization problem MaxCut, and study how the structure of the classical optimization landscape relates to the quantum circuit used to evaluate the MaxCut objective function. In order to analytically characterize the impact of quantum features on the landscape critical point structure, we consider a family of quantum circuit ansatze composed of mutually commuting elements. We identify multiqubit operations as a key resource, and show that overparameterization allows for obtaining favorable landscapes. Namely, we prove that an ansatz from this family containing exponentially many variational parameters yields a landscape free of local optima for generic graphs. However, we further prove that these ansatze do not offer superpolynomial advantages over purely classical MaxCut algorithms. We then present a series of numerical experiments illustrating that non-commutativity and entanglement are important features for improving algorithm performance.

研究动机与目标

• 理解量子线路结构如何塑造变分量子算法中的类经典优化景观。
• 分析量子特性（尤其是多量子比特操作、过参数化和纠缠）在决定优化景观临界点结构中的作用。
• 确定具有指数级参数数量的ansatz是否能消除MaxCut优化中的局部最优解。
• 评估此类量子ansatz是否相对于经典MaxCut算法具有超多项式优势。
• 通过数值实验研究非对易性和纠缠对算法性能的影响。

提出的方法

• 本研究聚焦于由相互可交换的量子操作组成的量子线路ansatz族，以实现分析上的可处理性。
• 作者采用分析技术，刻画由这些ansatz所诱导的类经典优化景观的临界点结构。
• 他们证明，具有指数级变分参数的过参数化ansatz可使一般图的优化景观中不出现局部最优解。
• 本文将量子方法与经典MaxCut算法进行比较，以评估计算优势，结果表明未实现超多项式加速。
• 通过数值实验评估非可交换ansatz的性能，并分析纠缠在改善优化结果中的作用。
• 分析以MaxCut问题为基础，利用量子线路对目标函数评估进行参数化。

实验结果

研究问题

• RQ1 具有指数级参数数量的量子线路ansatz是否能消除MaxCut类经典优化景观中的局部最优解？
• RQ2 在可交换ansatz中使用多量子比特操作是否能带来有利的优化景观？
• RQ3 过参数化的量子线路在多大程度上相对于经典MaxCut求解器提供计算优势？
• RQ4 非对易性和纠缠在变分量子算法求解MaxCut时如何影响算法性能？
• RQ5 量子线路结构在塑造优化景观临界点结构中起什么作用？

主要发现

• 由相互可交换的量子操作构成、且具有指数级变分参数的ansatz，可在一般图上产生无局部最优解的类经典优化景观。
• 尽管景观有利，但所提出的ansatz并未相对于经典MaxCut算法提供超多项式优势。
• 数值实验表明，非对易性和纠缠显著提升了算法性能。
• 多量子比特操作的存在被识别为实现有利优化景观的关键促成因素。
• ansatz族中的过参数化有助于消除局部最优解，表明参数数量增加具有结构上的优势。
• 结果表明，虽然通过可交换ansatz可实现有利景观，但实际性能增益取决于非对易和纠缠的线路组件。