关于 dwave-hybrid 详解及使用方法

dwave-hybrid

参考链接：https://docs.ocean.dwavesys.com/en/latest/docs_hybrid/sdk_index.html

dwave-hybrid 是一个通用的、最小的 python 框架，用于构建混合异步分解求解器，求解QUBO（ quadratic unconstrained binary optimization）问题。

dwave-hybrid 促使了求解发展的三个方面：

• Hybrid 方法结合了量子和经典计算资源；

• 评估了算法成分的组合和问题分解策略；

• 使用工作流（workflow）结构和参数来获取最佳应用结果；

Introduction

Dwave-Hybrid提供了一种框架，用于通过并行求解器迭代任意大小的样本集，以找到最佳解决方案。

对应的代码部分文档参见 Reference Documentation。介绍部分只是 package 的概览。

使用的步骤是：先运行一个混合求解器（hybrid solver）来处理任意大小的QUBOs，然后在框架中开发自己的组件。

• Overview 展示了框架并解释了关键概念；

• Using the Framework 展示了如何使用框架。通过使用一个已经提供的参考求解器来建立这个框架，可以快速开始。（ Kerberos, 求解一个因为太大而不能 minor-embed 到 D-Wave 系统的问题）

• 然后，使用框架建立（hybrid）工作流。比如，一个和 qbsolv 相似的求解器，它可以在整个问题使用禁忌搜索，同时提交部分问题到 D-Wave 系统上。

• Developing New Components 指导大家开发自己的 hybrid components。

• Reference Examples 描述了一个 workflow 例子，包括代码。

Overview

dwave-hybrid 框架可以快速设计并测试通过采样器迭代的样本集来解决任意 QUBO 的 workflows。分解大问题，而且可以并行运行两个及以上求解技术/策略。

如下的 Schematic Representation图展示了一个例子配置。样本在超过四个平行求解器上迭代。顶部分支表示运行在整个问题上的经典 tabu 搜索，直到其他分支完成后被中断。

这些使用不同的分解器将当前样本集的一部分（ iteration i）分配给采样器，例如 D-Wave 系统（第二高的分支）或其他并行结构如模拟退火和禁忌搜索。分支组件（分解器、采样器、组合器）的通用表示如最下面分支。用户定义的标准从当前采样器选择并且求解输出一个样本集用于 i+1次迭代。

Schematic Representation

可以使用框架运行一个提供的混合求解器或使用提供的组件（如 tabu 采样器和 energy-based 分解器）配置 workflows。

还可以使用该框架构建自己的组件以合并到 workflows 中。

Using the Framework

该部分展示了使用参考采样器（reference sample）来求解任意大小的问题并说明了如何使用提供的组件（components）创建（hybrid）workflows。

Reference Hybrid Sampler：Kerberos

dwave-hybrid 包括一个使用该框架构建的参考示例采样器：Kerberos 是一个兼容 dimod 的混合异步分解采样器，它能够解决任意结构和大小的问题。 它通过在具有高能量影响的问题变量上并行运行禁忌搜索、模拟退火和 D-Wave 子问题采样来找到最佳样本。

如下是使用 Kerberos 求解大 QUBO 的例子：

import dimod
from hybrid.reference.kerberos import KerberosSampler
with open('../problems/random-chimera/8192.01.qubo') as problem:  
    bqm = dimod.BinaryQuadraticModel.from_coo(problem)
len(bqm)          
8192
solution = KerberosSampler().sample(bqm, max_iter=10, convergence=3)   
solution.first.energy     
-4647.0

Building Workflows

如 Overview 部分所示，通过在 workflows 中安排采样器等组件来构建混合求解器。

Building Blocks

使用的基础 components （Building Blocks）是基于 Runnable类：分解器、采样器、组合器。该 components 输入一组样本 SampleSet，输出更新之后的样本。与 components 迭代相关联的State 包含 problem、sample、以及可选的 additional information。

以下示例演示了仅使用一个Runnable的简单工作流（workflow），代表经典 tabu 搜索算法的采样器，用于解决问题（完全经典，无需分解）。该示例解决了相同耦合（coupled）的节点的三角形图的小问题。全零样本的初始 State作为开始点集。解决方案（new_state）源于TabuProblemSampler Runnable的单个迭代。

import dimod
# Define a problem
bqm = dimod.BinaryQuadraticModel.from_ising({
   }, {
   'ab': 0.5, 'bc': 0.5, 'ca': 0.5})
# Set up the sampler with an initial state
sampler = TabuProblemSampler(tenure=2, timeout=5)
state = State.from_sample({
   'a': 0, 'b': 0, 'c': 0}, bqm)
# Sample the problem
new_state = sampler.run(state).result()
print(new_state.samples)                     
    a   b   c  energy  num_occ.
0  +1  -1  -1    -0.5         1
['SPIN', 1 rows, 1 samples, 3 variables]

Flow Structuring

该框架提供了用于构建使用了“building-block”components 的 workflows，如 Overview 部分所示，可以创建Runnable类的一个分支；例如decomposer | sampler | composer, 它将问题的一部分委托给采样器，例如 D-Wave 系统。

以下示例展示了包含一个分解器（decomposer）、本地 tabu 求解器（sampler）、一个组合器（composer）。一个 10-variable 的二次二元模型通过其变量的能量影响（the energy impact of its variables）分解成 6-variable 的子问题进行两次采样。使用效用函数（utility function）min_sample()设置所有 -1 值的初始状态（initial state）。

import dimod           # Create a binary quadratic model
bqm = dimod.BinaryQuadraticModel({
   t: 0