[论文解读] Towards quantum advantage for topological data analysis

Casper Gyurik, Chris Cade+1 more|arXiv (Cornell University)|May 6, 2020

Topological and Geometric Data Analysis参考文献 79被引用 5

一句话总结

本文研究了Lloyd、Garnerone和Zanardi（LGZ）提出的拓扑数据分析量子算法，通过将其关键步骤与单清洁量子比特（DQC1）模型关联，提供证据表明这些步骤在经典计算中难以实现，暗示可能存在量子优势。此外，该研究将算法的应用范围扩展至谱熵估计，并讨论了其在近中期量子设备上的可行性。

ABSTRACT

A particularly promising line of quantum machine leaning (QML) algorithms with the potential to exhibit exponential speedups over their classical counterparts has recently been set back by a series of dequantization results, that is, quantum-inspired classical algorithms which perform equally well in essence. This raises the important question whether other QML algorithms are susceptible to such dequantization, or whether it can be formally argued that they are out of reach of classical computers. In this paper, we study the quantum algorithm for topological data analysis by Lloyd, Garnerone and Zanardi (LGZ). We provide evidence that certain crucial steps in this algorithm solve problems that are classically intractable by closely relating them to the one clean qubit model, a restricted model of quantum computation whose power is strongly believed to lie beyond that of classical computation. While our results do not imply that the topological data analysis problem solved by the LGZ algorithm (i.e., Betti number estimation) is itself DQC1-hard, our work does provide the first steps towards answering the question of whether it is out of reach of classical computers. Additionally, we discuss how to extend the applicability of this algorithm beyond its original aim of estimating Betti numbers and demonstrate this by looking into quantum algorithms for spectral entropy estimation. Finally, we briefly consider the suitability of the LGZ algorithm for near-term implementations.

研究动机与目标

• 评估LGZ拓扑数据分析量子算法是否容易被经典算法实现‘去量化’。
• 研究LGZ算法的核心组件是否解决了经典计算无法处理的问题。
• 将LGZ算法的实用性从贝蒂数估计扩展至其他拓扑与谱不变量，如谱熵。
• 评估在近中期量子设备上实现LGZ算法的可行性。

提出的方法

• 通过将LGZ算法的关键子程序与单清洁量子比特（DQC1）模型关联，分析该算法，DQC1是一种受限的量子计算模型，被认为优于经典计算机。
• 建立LGZ算法步骤与DQC1模型下已知经典计算困难问题之间的理论联系。
• 将算法框架扩展至谱熵估计，证明其在贝蒂数估计之外的更广泛应用潜力。
• 分析LGZ算法及其组件的计算复杂度，与经典复杂度类（特别是DQC1难问题）进行比较。
• 讨论近中期量子硬件的实现考量，重点关注门数、量子比特需求和容错能力。

实验结果

研究问题

• RQ1 LGZ拓扑数据分析量子算法的核心步骤是否在经典计算中难以实现，或是否容易被经典替代方案‘去量化’？
• RQ2 LGZ算法能否正式关联至单清洁量子比特（DQC1）模型，表明其解决了经典计算能力无法处理的问题？
• RQ3 LGZ算法在多大程度上可推广以估计其他拓扑或谱不变量，如谱熵？
• RQ4 LGZ算法是否适合在量子比特数量和相干时间有限的近中期量子设备上实现？

主要发现

• 本文提供了理论证据，表明LGZ算法中的某些步骤与DQC1模型密切相关，暗示其在经典计算中可能难以实现。
• 尽管完整的贝蒂数估计问题尚未被证明为DQC1难，但其与DQC1的关联为确立其潜在量子优势迈出了第一步。
• 该算法框架成功扩展至谱熵估计，显著拓宽了其在数据分析中的适用范围。
• 研究表明，由于LGZ算法依赖于经典方法无法高效模拟的量子过程，其仍是实现量子优势的有力候选。