量子计算论文精讲 | 平均场近似量子启发优化算法

点击查看原文

欢迎大家扫码关注MindSpore Quantum Gitee社区

内容简介

量子近似最优化算法（QAOA）被认为是能应用在早期量子计算机上比较有效的算法之一。本文在QAOA的基础上发展了一种利用经典自旋的动力学方程取代QAOA量子演化的新型量子启发式算法——平均场近似优化算法（mean-field AOA）。通过引入基于自旋相干态的路径积分表示并考虑高斯型的量子涨落，对平均场轨迹附件的量子涨落进行了动力学计算，给出了平均场AOA算法的有效性分析。

相关论文

标题：Mean-Field Approximate Optimization Algorithm
作者：Aditi Misra-Spieldenner, Tim Bode, Peter K. Schuhmacher, Tobias Stollenwerk, Dmitry Bagrets, Frank K. Wilhelm
期刊：PRX Quantum 4, 030335 (2023)

01 问题背景

一大类NP-hard优化问题可以被转化为求解Ising模型的基态，而其算法实现的困难程度与对应Ising哈密顿量的自旋玻璃相有关。其中一种潜在有力的策略是使用绝热量子计算，将自旋系统初始化成一个容易实现并且有唯一基态的状态，然后绝热演化到期望问题的哈密顿量基态中，这个过程是由绝热定理保证的。然而为了实现真正的绝热过程，演化速度需要仔细的选择，它与基态到第一激发态的能隙大小有关。不幸的是对于困难的问题而言，这个能隙通常指数的减小，因而对应的需要绝热演化的时间指数增大。为了解决这类问题，量子近似优化算法（QAOA）作为非绝热的替代方案被提出，使用标准的Suzuki-Trotter分解将线性退火过程变为应用在初态上的交替演化序列。与绝热方案持续增加的演化长度p不同，QAOA在给定的演化长度p中优化参数。

在这篇文章中，作者团队提出了一个受QAOA启发的经典算法称为“平均场近似优化算法(Mean-field AOA)”，该算法用经典自旋动力学取代了QAOA的量子演化，在文章中通过对SK模型进行测试显示该算法有较好的效果。通过对新算法有效性的分析能够帮我们区分识别哪一类问题可以被启发式算法解决，而另一部分则需要真正的量子加速。

02 平均场近似优化算法

首先介绍这种新的启发式算法，整篇文章都将采用以下形式的问题和驱动哈密顿量：

所有的

均大于0，因此

的基态为

当耦合常数

并且局域场

时，目标哈密顿量

描述了Ising模型的铁磁态。

受到标准QAOA算法

交替作用形式的启发，可以将该自旋系统的动力学演化分为两个独立的部分：

(i) 仅由

驱动的演化；(ii) 仅由

驱动的演化。

2.1 平均场近似

为了得到系统的动力学方程，首先对体系的哈密顿量做平均场近似处理：

1. 定义经典自旋矢量

2. 定义等效磁场

其中

和

是时间的分段常数函数。

平均场近似下系统的密度矩阵为（粒子间的纠缠也被平均场吸收因而是直积态）

这样处理后系统的动力学相当于每个自旋在有效磁场中的进动

容易观察到等效磁场的部分在z方向，横场部分在x方向，而自旋进动的方程是叉乘的形式，因此动力学演化应有形如绕x轴和绕z轴转动的形式。通过进动公式可以分别导出(i) 

，

 和(ii) 

时自旋的动力学方程

求解上述迭代微分方程­称为控制QAOA的分段常数哈密顿量，在p次迭代之后

这里参数

和

是绝热量子算法的演化参数，

是时间步长，

是演化步数

通常将参数设置为

。

2.2 算法流程

1. 初始化N个经典自旋矢量

，这个过程类似于QAOA中初始输入所有可能态的等权叠加。

2. 对自旋

应用长度为

的平均场演化（注意这里

与

有关）：

3. 计算损失函数 : 

4. 调整演化

长度和步长τ使得损失函数最小

5. 重复上述步骤直到结果收敛

6. 读出z方向自旋 :

2.3 性能测试

本文通过研究SK（Sherringtion-Kirkpatrick）模型来测试mean-field AOA算法的表现和有效性。SK模型是自旋玻璃的一种，有如下形式的哈密顿量

其中耦合常数

相互独立且满足高斯分布，

。在热力学极限

下平均场理论是该模型的精确解，此时平均基态能量会收敛到（对不同的J构型取均值）

经典的优化算法通常给出结果 

。图1为mean-field AOA的结果与解析值的对比，可以看到随着规模的增大mean-field AOA逐渐收敛到正确的结果，同时图中虚线所标记的为QAOA所能达到的最小值。除了平均能量，右图还给出了N=20时通过精确对角化得到的基态分布与平均场AOA得到的态分布的对比，符合Gumbel分布与精确解一致。

图1 左：为平均场AOA对

个J的分布求平均值得到的结果，可以看到随着N的增大最终结果与精确值的误差越来越小，虚线所标记的是参考文献中p<100 QAOA能到达的最小值；右：为精确基态分布和平均场AOA结果的对比。（图片来源：PRX Quantum 4, 030335 (2023)）

03 路径积分分析

通过前面的介绍我们可以看到平均场近似是一个相当经典化的处理，那么量子效应到底对需要计算的模型有什么样的影响呢？

本节将通过对平均场路径附近的高斯型量子涨落的分析来区分“容易”和“困难”的问题，从而进一步探讨量子优势的所在。为了推导含有自旋自由度的路径积分，这里使用自旋相干态，并且只考虑高斯型涨落的情况，并计算相应单粒子格林函数的李雅普诺夫指数。尽管平均场AOA可以使用非常大的演化步长p以尽可能的接近绝热演化，但当能隙足够小时即使非常缓慢的变化可能也是非绝热的，这里称这种情况为“困难”的问题。

为了简化讨论，本节采用标准的绝热量子计算哈密顿量

其中

和

的定义和前文一致。对于有N个qubit的系统，自旋相干态由克罗内克积定义

描述布洛赫球上的第i个qubit。多比特系统的密度矩阵演化如下：

为编时算符

为初态的自旋相干态表示，这里重点关注跃迁振幅

。将总的演化拆为

步，并令每一个Trotter步长为

，在连续极限下：

上式的第一项

表示Berry相位，当使用布洛赫波矢

的表示时

接下来的问题是我们如何以最有效的方式从几何的角度(在布洛赫球上表达)量化自旋的涨落？这里采用球极投影的方式，并引入复数坐标

则布洛赫球上的qubit写为

路径积分中的量子涨落是在经典路径附件的路径

带来的，因此我们引入一个元素

其中

在北极点附近

表示在北极点附近移动的小量，接下来将用

来量化平均场结果附近的量子涨落。通过前面的球极投影将

用复坐标表示，结合前面两个公式，可以得到复坐标的表达式

图2 左：路径积分示意图(图片来源：https://zhuanlan.zhihu.com/p/135835706)，右：布洛赫球和球极投影示意图

作用量的复坐标表示

以及量子涨落的作用量

由此可以计算涨落的动力学，这里略去繁琐的数学计算直接给出最终的结果

上述式子的和被最大李雅普诺夫指数

支配，李雅普诺夫指数

由时间依赖的散射矩阵对角化给出

在无序且强连接（比如SK模型）的情形，可以做大概的估算

可以看到当最大李雅普诺夫指数小于0.5时，量子涨落随着N的增大被抑制，此时平均场AOA有较好的表现。然而当涨落的均值

时平均场AOA则完全失效

。图3展示了两个SK模型具体的例子，上方图为精确对角化得到的能谱以及平均场AOA给出的基态，下方图为李雅普诺夫指数随着系统演化的变化。对于“简单”的例子，平均AOA能很好的工作并最终收敛到基态能量，最大李雅普诺夫指数连续变化；而对于困难的例子平均AOA失效，最终收敛到了激发态的能量，最大李雅普诺夫指数出现了两个尖峰的行为。

图3 上图为精确对角化得到的能谱以及平均场AOA给出的基态，下图为李雅普诺夫指数随着系统演化的变化（图片来源：PRX Quantum 4, 030335 (2023)）

04 总结

本文提出的平均场AOA算法在特定的一类问题中能得到较好的结果，在对SK模型进行测试显示该算法有较好的效果。后文通过路径积分对新算法有效性进行的分析很具有启发性，对于李雅普诺夫指数的计算或许能帮助我们识别哪些优化问题是量子启发式算法能够解决的，同时对量子优势的所在有更深的理解。

欢迎大家订阅“量子计算HiQ”，查看更多论文分享和学术活动信息