A Complex-Valued Continuous-Variable Quantum Approximation Optimization Algorithm (CCV-QAOA)

본 논문은 볼록, 제약 조건이 있는 비볼록 벤치마크를 포함한 다양한 실수 및 복소수 다변량 최적화 문제를 효율적으로 해결하기 위해 복소수 값 연속 변수 양자 시스템을 활용하는 변분 프레임워크인 복소 연속 변수 양자 근사 최적화 알고리즘 (CCV-QAOA) 을 소개합니다.

핵심

거대한 안개 낀 지형에서 가장 낮은 지점을 찾으려 한다고 상상해 보세요. 수학 및 공학 세계에서는 이 "가장 낮은 지점"이 무선 네트워크를 위한 가장 효율적인 신호나 최적의 화학 반응 경로와 같은 문제의 완벽한 해결책을 의미합니다.

수십 년 동안 컴퓨터들은 이러한 문제를 해결하기 위해 지형을 작은 이산적인 단계들의 격자 (체스판과 유사) 로 분해해 왔습니다. 하지만 많은 실제 문제들은 단계로 이루어져 있지 않습니다. 그들은 매끄럽고 흐름이 있으며, 종종 두 가지 차원을 동시에 포함합니다: 크기 (무엇이 얼마나 큰지) 와 위상 (파동의 타이밍과 같이 주기 내의 위치).

이 논문은 CCV-QAOA(복소수 값 연속 변수 양자 근사 최적화 알고리즘) 라는 새로운 도구를 소개합니다. 작동 원리를 간단히 설명하면 다음과 같습니다:

1. 구식 방식 vs. 신식 방식

• 구식 방식 (큐비트): 전통적인 양자 컴퓨터는 켜짐 (ON) 이나 꺼짐 (OFF) 상태인 "큐비트"를 사용합니다. 이러한 스위치로 매끄럽고 흐름이 있는 문제를 해결하려면 문제를 작고 거친 조각으로 잘라야 합니다. 마치 정사각형 레고 블록만으로 매끄러운 원을 그리려 하는 것과 같습니다. 많은 블록 (자원) 이 필요하며 결과는 다소 블록처럼 보입니다.
• 신식 방식 (CCV-QAOA): 이 새로운 방법은 "큐모드"를 사용합니다. 빛의 스위치 대신 진자나 현 위의 파동을 상상해 보세요. 이들은 "왼쪽"이나 "오른쪽"이 아닌 어떤 위치로도 흔들릴 수 있습니다. 이를 통해 컴퓨터는 문제를 잘게 쪼개지 않고도 자연스럽게 매끄럽고 흐름이 있는 문제를 처리할 수 있습니다.

2. "복소수"의 반전

많은 실제 문제들은 "복소수"를 포함합니다. 간단히 말해, 복소수는 단일 숫자가 아니라 함께 작동하는 숫자 쌍입니다 (지도의 좌표처럼: 북/남과 동/서).

• 문제: 일반적으로 양자 컴퓨터에서 이러한 쌍을 가진 문제를 해결하려면 두 개의 별도의 "진자" (하나는 북/남용, 다른 하나는 동/서용) 가 필요합니다.
• 혁신: 저자들은 교묘한 트릭을 발견했습니다. 양자 세계의 단일 "진자"가 본질적으로 두 가지 측면을 가지고 있음을 깨달았습니다: 위치 (어디에 있는지) 와 운동량 (얼마나 빠르게 움직이는지).
  • 그들은 문제의 "북/남" 부분을 진자의 위치에 매핑했습니다.
  • "동/서" 부분을 진자의 운동량에 매핑했습니다.
• 결과: 두 변수를 가진 문제를 해결하기 위해 두 개의 진자가 필요한 대신, 하나만 필요합니다. 이는 하드웨어 요구 사항을 절반으로 줄여 과정을 훨씬 더 빠르고 효율적으로 만듭니다.

3. 알고리즘이 해결책을 "사냥"하는 방식

알고리즘은 지능적이고 안내된 탐색대와 같이 작동합니다:

1. 지도 (해밀토니안): 그들은 수학 문제를 에너지의 "지형"으로 변환합니다. 목표는 가장 깊은 계곡 (최저 에너지) 을 찾는 것입니다.
2. 춤 (회로): 양자 컴퓨터는 차분한 상태 (진공) 로 시작합니다. 그런 다음 특정 조작의 춤을 춥니다:
   • 비용 단계: 지형을 확인하여 아래로 내려가는지 확인합니다.
   • 믹서 단계: 작은 얕은 함정 (국소 최소값) 에 갇혀 깊은 계곡 (전역 최소값) 을 놓치지 않도록 상황을 흔들어 줍니다.
3. 피드백 루프: 고전 컴퓨터 ("코치") 가 양자 컴퓨터의 성능을 관찰합니다. 양자 컴퓨터가 바닥을 찾는 데 너무 느리다면, 코치는 춤 동작 (매개변수) 을 조정하고 다시 시도합니다. 최선의 해결책이 발견될 때까지 이 과정이 반복됩니다.

4. 그들이 테스트한 내용

저자들은 이론을 구축하는 데 그치지 않고, 실제로 작동하는지 확인하기 위해 컴퓨터 시뮬레이션에서 테스트했습니다. 그들은 네 가지 유형의 도전에 이를 적용해 보았습니다:

• 단순한 언덕 (볼록 2 차): 가장 쉬운 유형의 문제입니다. 알고리즘은 거의 완벽하게 바닥을 찾았습니다.
• 벽이 있는 정원 (제약 문제): 특정 경계 내에서만 머무러야 하는 문제들입니다. 그들은 금지된 영역을 자연스럽게 피하도록 알고리즘에 "페널티 벽"을 지형에 추가했습니다. 잘 작동했습니다.
• 거친 산 (비볼록): 많은 작은 계곡과 하나의 거대한 깊은 계곡이 있는 문제들 (Styblinski-Tang 함수와 유사) 입니다. 여기서 고전 컴퓨터는 종종 갇힙니다. 양자 알고리즘은 진정한 바닥을 찾기 위해 거친 지형을 성공적으로 항해했습니다.
• 복소수 파동: 그들은 크기 (magnitude) 와 위상 (phase) 모두를 포함하는 복소수를 위해 특별히 설계된 문제를 테스트하여, 이러한 까다로운 경우에도 "단일 진자" 트릭이 작동함을 증명했습니다.

5. 트레이드오프

약간의 함정이 있습니다. 이러한 "진자"를 일반 컴퓨터에서 시뮬레이션하기 위해 저자들은 진자가 얼마나 높이 흔들릴 수 있는지 제한해야 했습니다 (이를 "컷오프"라고 함).

• 낮은 제한: 계산이 빠르지만 정확도는 약간 떨어집니다.
• 높은 제한: 매우 정확하지만 계산에 시간이 많이 걸립니다.
  그들은 중간 정도의 제한만으로도 알고리즘이 매우 정확하다는 것을 발견했습니다. 이는 실제 양자 하드웨어가 따라잡으면 실제 사용에 준비되어 있음을 시사합니다.

요약

이 논문은 매끄럽고 복잡한 최적화 문제를 해결하기 위해 양자 컴퓨터를 사용하는 더 효율적인 새로운 방법을 제시합니다. 문제를 잘게 쪼개진 블록이 아닌 자연스러운 파동 (위치와 운동량) 으로 취급하고, 두 차원의 데이터를 나타내기 위해 단일 양자 "진자"를 사용함으로써, 저자들은 자원 측면에서 두 배 더 효율적이며 어렵고 다차원적인 지형에서 최선의 해결책을 찾는 데 매우 효과적인 방법을 개발했습니다.

기술 요약

마다니, 리세르, 토파노의 논문 "복소수 연속변수 양자 근사 최적화 알고리즘 (CCV-QAOA)"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

신호 처리, MIMO 통신, 양자 제어와 같은 분야의 최적화 문제는 종종 복소수 결정 변수($z \in \mathbb{C}^n$)를 포함합니다.

• 현재의 한계:
  • 이산 큐비트 접근법: 기존 양자 근사 최적화 알고리즘 (QAOA) 의 대부분은 큐비트에 의존합니다. 연속 또는 복소수 변수를 처리하기 위해 이러한 변수는 이산화되어야 합니다 (예: QUBO 또는 이진 프로그램으로 매핑). 이는 깊은 회로, 높은 자원 오버헤드, 그리고 문제의 자연스러운 수학적 구조 상실을 초래합니다.
  • 실수형 CV 접근법: 기존 연속변수 (CV) QAOA 방법은 일반적으로 복소수 변수의 실수부와 허수부를 두 개의 별도의 실수 변수로 취급합니다. 이는 필요한 양자 모드 (큐모드) 의 수를 두 배로 늘려 계산 복잡도와 자원 요구 사항을 증가시킵니다.
• 목표: CV 시스템을 사용하여 복소수 목적 함수를 효율적으로 최적화하고, 물리적 구조를 보존하며 자원 오버헤드를 줄이기 위해 복소수 영역에서 본질적으로 작동하는 변분 양자 알고리즘을 개발합니다.

2. 방법론: CCV-QAOA

저자들은 광자 양자 하드웨어를 위해 설계된 변분 프레임워크인 **복소수 연속변수 양자 근사 최적화 알고리즘 (CCV-QAOA)**을 제안합니다.

A. 이론적 기반

• 복소수 - 위상 공간 매핑: 이 알고리즘은 복소수 변수와 CV 사분면 (quadratures) 간의 직접적인 일대일 매핑을 확립합니다:
  • 실수부 $\Re(z) \leftrightarrow$ 위치 사분면 $\hat{x}$.
  • 허수부 $\Im(z) \leftrightarrow$ 운동량 사분면 $\hat{p}$.
  • 결과적으로, $n$개의 복소수 변수는 $n$개의 큐모드만 필요로 하는 반면, 표준 실수형 인코딩은 $2n$개의 큐모드가 필요합니다.
• 해밀토니안 구성:
  • 비용 해밀토니안 ($\hat{H}_C$): 사분면 연산자 $\hat{x}$와 $\hat{p}$를 사용하여 목적 함수 $f(z)$를 인코딩합니다.
  • 믹서 해밀토니안 ($\hat{H}_M$): 일반적으로 운동 에너지 연산자 $\hat{p}^2$(또는 이와 유사한 것) 로 선택되어 $[\hat{H}_C, \hat{H}_M] \neq 0$이 되도록 하여, 해 공간의 비자명한 탐색을 보장합니다.
• 보편성: 이 프레임워크는 가우스 게이트 (변위, 회전, 압착, 빔스플리터) 와 비가우스 게이트 (입방 위상, 커 상호작용) 를 포함한 CV 시스템을 위한 보편적 게이트 세트를 활용합니다. 비볼록 문제에 필요한 고차 다항식 해밀토니안은 이러한 기본 게이트들의 중첩 교환자 (nested commutators) 를 통해 구성됩니다.

B. 알고리즘 워크플로우

1. 초기화: 진공 상태 $|0\rangle$로 시작하고 수렴을 향상시키고 더 높은 포크 (Fock) 준위를 채우기 위해 압착 연산 ($S(r)$) 을 적용합니다.
2. 변분 회로: $\hat{H}_C$와 $\hat{H}_M$에 의해 생성된 유니터리 연산자의 $q$개의 교대 층을 적용합니다:
   $$|\psi(\gamma, \beta)\rangle = \prod_{j=1}^{q} e^{-i\beta_j \hat{H}_M} e^{-i\gamma_j \hat{H}_C} |0\rangle$$
3. 측정:
   • 가우스 백엔드: 단일 위상에서 $\hat{x}$와 $\hat{p}$를 동시에 추정하기 위해 **이성 검출 (heterodyne detection)**을 사용합니다.
   • 포크 백엔드 (비가우스 게이트용): 복소수 변수를 재구성하기 위해 두 개의 별도 위상 (하나는 $\hat{x}$용, 다른 하나는 $\hat{p}$용) 에서 **동위 검출 (homodyne detection)**을 사용합니다.
4. 고전적 최적화 루프: 비용 해밀토니안의 기댓값은 측정 샘플로부터 추정됩니다. CMA-ES(공분산 행렬 적응 진화 전략)라는 고전적 최적화기가 비용을 최소화하기 위해 변분 매개변수 $(\gamma, \beta)$를 업데이트합니다. CMA-ES 는 기울기를 요구하지 않고 노이즈가 있는 비볼록 환경에서 견고성 때문에 선택되었습니다.

C. 제약 조건 처리

제약 문제는 페널티 방법을 통해 처리됩니다:

• 등식 제약 조건은 비용 해밀토니안의 페널티 항 (예: $\lambda \|g(z)\|^2$) 으로 변환됩니다.
• 부등식 제약 조건은 슬랙 변수나 부드러운 정류 함수 (예: Swish 활성화) 를 통해 처리되어 비실행 가능 영역에 가파른 에너지 장벽을 생성합니다.

3. 주요 기여

1. 본질적 복소수 인코딩: 주요 혁신은 복소수 변수를 단일 큐모드에 직접 매핑하여 실수형 CV 공식에 비해 모드 수를 절반으로 줄이는 것입니다. 이는 힐베르트 공간 차원을 $O(D^{2n})$에서 $O(D^n)$으로 줄입니다 (여기서 $D$는 컷오프 차원입니다).
2. 다용도 프레임워크: 이 알고리즘은 다음을 처리하는 것으로 입증되었습니다:
   • 볼록 비제약 2 차 문제.
   • 페널티를 통한 제약 2 차 계획 문제.
   • 비볼록 벤치마크 (Styblinski–Tang 함수 및 복소수 4 차 지형).
3. 하이브리드 백엔드 지원: 이 방법은 가우스 (2 차/선형 문제에 효율적) 와 포크 (비가우스/비볼록 문제에 필요) 시뮬레이션 백엔드 모두와 호환됩니다.
4. 자원 효율성: 이진 이산화를 피하고 모드 수를 줄임으로써, 이 알고리즘은 근미래 광자 양자 장치를 위한 더 확장 가능한 경로를 제공합니다.

4. 결과

저자들은 표준 CPU 에서 Strawberry Fields소프트웨어 플랫폼을 사용하여 CCV-QAOA 를 검증했습니다.

• 볼록 2 차 최소화:
  • 높은 성공 확률로 근접 최적 해 (예: 비용 $-23.7$대 고전적 최적$-24$) 를 달성했습니다.
  • 확장성: 성능은 회로 깊이 ($q$) 와 문제 크기 ($n$) 가 증가함에 따라 향상되었습니다.
  • 비교: CCV-QAOA 는 비교 가능한 정확도를 유지하면서 표준 CV-QAOA(복소수 변수당 2 개의 모드를 사용) 보다 약 40% 에서 300% 더 빠릅니다.
• 컷오프 차원 민감도:
  • 정확도와 실행 시간 사이에 절충 관계가 존재합니다. 중간 정도의 컷오프 ($D=5$에서 $7$) 는 관리 가능한 실행 시간으로 경쟁력 있는 결과를 달성하는 좋은 균형을 제공했습니다.
  • 유한한 컷오프로도 알고리즘은 무한 차원 표현을 요구하지 않고 에너지 지형을 성공적으로 탐색했습니다.
• 제약 최적화:
  • 제약 2 차 계획 문제를 성공적으로 해결했습니다. 위그너 분포는 양자 상태가 페널티 항으로 정의된 실행 가능 다양체 주변에 집중되는 것을 보여주었습니다.
• 비볼록 벤치마크:
  • Styblinski–Tang (실수): 고도로 다중 모드인 함수에 대해 국소 최소값 함정에 빠지지 않고 전역 최소값 ($f \approx -78.32$) 을 찾았습니다.
  • 복소수 4 차: 복소수 비볼록 문제를 해결하여 비용 $-28.6963$(고전적$-28.6969$ 대비) 을 달성했습니다.
  • 양자 서명: 최종 상태는 위그너 함수에서 음수 영역을 나타내어, 보편적 양자 계산과 복잡한 지형 탐색에 필수적인 비가우스성 및 고도로 비고전적 상태의 생성을 확인시켰습니다.

5. 중요성 및 결론

• 자원 감소: CCV-QAOA 프레임워크는 복소수 최적화를 위한 양자 자원 요구 사항 (모드 수) 을 크게 줄여 근미래 광자 하드웨어에서의 실현 가능성을 높입니다.
• 자연스러운 표현: 이는 실수 변수 분해의 오버헤드를 피하면서 복소수 최적화 문제의 고유한 수학적 구조를 보존합니다.
• 비볼록 능력: 이 알고리즘은 양자 간섭과 비가우스 자원을 활용하여 국소 최소값을 피하는 데 고전적 휴리스틱보다 우수한 성능을 보이며 어려운 비볼록 문제를 해결할 수 있음을 입증했습니다.
• 미래 전망: 현재 유한 포크 절단 필요성과 비가우스 게이트의 노이즈에 대한 민감도에 의해 제한되지만, CCV-QAOA 는 미래 연속변수 양자 컴퓨터에서 복소수 최적화 문제를 해결하기 위한 체계적인 기초를 마련합니다. 이는 이론적 변분 알고리즘과 실용적인 광자 구현 사이의 간극을 메웁니다.