Reverse Annealing คืออะไร

Quantum Annealing (คำถามที่เกี่ยวข้องQuantum Annealingหรือhamiltonian related ) เป็นกระบวนการที่ใช้ใน Quantum Annealer ของ D-Waves ซึ่งมีการสำรวจภูมิทัศน์พลังงานสำหรับวิธีการแก้ปัญหาต่าง ๆ และการปรับ Hamiltonian ที่เหมาะสมให้เป็นศูนย์ที่เหมาะสมที่สุด วิธีแก้ปัญหา กระบวนการของควอนตัมหลอมช่วยลด "สนามแม่เหล็กขวาง" ในมิลโตเนียนนอกเหนือจากผลกระทบเชิงควอนตัมอื่น ๆ เช่นการขุดอุโมงค์ควอนตัมการพัวพันและการซ้อนทับซึ่งทั้งหมดมีส่วนร่วมในการ zeroing กับ "หุบเขา" ซึ่งเป็นที่ที่ "น่าจะเป็น"

กระบวนการของการอบอ่อนแบบย้อนกลับอย่างย่อ ๆ คือการใช้วิธีการแบบดั้งเดิมเช่นการจำลองการหลอมเพื่อหาวิธีแก้ปัญหาและเข้าไปในหุบเขาโดยใช้ Quantum Annealing ถ้า Hamiltonian ที่ใช้โดย Quantum Annealer มีอยู่ใน "หุบเขา" แล้วขณะนี้มันกำลังผ่านการแก้ปัญหาในตอนแรก - เครื่อง D-Wave ไปถึงอีก "หุบเขา" (ทางออกที่ดีกว่า?) โดยใช้ Hamiltonian ที่ส่งไปยัง ในตอนแรก?

จนกระทั่งเมื่อเร็ว ๆ อุปกรณ์ควอนตัมการหลอมควอนตัมของ D-Wave มักเริ่มต้นจากการซ้อนทับที่สม่ำเสมอเหนือ qubits ทั้งหมด:$N$

                                                $H_{initial} = |+\rangle_0 \otimes |+\rangle_1 ... \otimes |+\rangle_N$

ที่rangle_i)$|+\rangle_i = \frac{1}{\sqrt{2}} (|0\rangle_i + |1\rangle_i)$

ดังนั้นสมมติว่าคุณใช้งานการอบอ่อนสองสามครั้งกับการตั้งค่านี้และหนึ่งในผลลัพธ์ที่ใช้พลังงานต่ำดูเหมือนเป็นวิธีแก้ปัญหาที่ค่อนข้างดี (ออพติม่าท้องถิ่นบางตัว) กับปัญหาการเพิ่มประสิทธิภาพของคุณ จนกว่าจะมีการเปิดตัวคุณลักษณะการย้อนกลับเมื่อไม่นานมานี้มันเป็นไปไม่ได้ที่จะใช้โซลูชันนี้เป็นอินพุตสำหรับการหลอมถัดไปเพื่อสำรวจพื้นที่ท้องถิ่นรอบ ๆ โซลูชันนั้นสำหรับ bitstrings ด้วยพลังงานที่ต่ำกว่า ดังนั้นการย้อนกลับการอบช่วยให้เราสามารถเริ่มต้นการควอนตัม annealer ด้วยวิธีการแก้ปัญหาที่รู้จักกัน (คลาสสิก) และค้นหาพื้นที่ของรัฐรอบ ๆ Optima ท้องถิ่น

เมื่อสำรวจภูมิทัศน์พลังงานที่ซับซ้อน (ขรุขระ) ของปัญหาการปรับให้เหมาะสมคุณจะต้องสร้างความสมดุลให้กับการสำรวจพื้นที่รัฐทั่วโลกด้วยการใช้ประโยชน์จากออพติม่าท้องถิ่น ในการหลอมควอนตัมแบบดั้งเดิม (D-Wave) เราเริ่มต้นด้วยฟิลด์ขวางสูงซึ่งจะลดลงเรื่อย ๆ ตามที่คุณอธิบายไว้ในคำถามของคุณ ตัวลดควอนตัมของ D-Wave กำลังทำการค้นหาทั่วโลก (เนื่องจากอุโมงค์ควอนตัมจำนวนมาก) ที่จุดเริ่มต้นของตารางการหลอมเมื่อสนามขวางมีความแข็งแรง เมื่อฟิลด์ตามขวางลดน้อยลงการค้นหาจะเพิ่มมากขึ้นเรื่อย ๆ ในทางตรงกันข้ามให้ทำการหลอมกลับ เริ่มต้นด้วยการแก้ปัญหาแบบคลาสสิกที่กำหนดโดยผู้ใช้จากนั้นค่อยๆเพิ่มเขตข้อมูลตามขวาง (การหลอมย้อนกลับ) เพื่อลดสนามขวางอีกครั้ง (การหลอมไปข้างหน้า)

สิ่งนี้จะแนะนำระยะทางย้อนกลับของพารามิเตอร์ใหม่ซึ่งกำหนดระยะห่างที่คุณต้องการอบอ่อนย้อนกลับ (ความแรงของฟิลด์ขวางควรกลายเป็นเท่าใด) D-Wave เผยแพร่สองแปลงต่อไปนี้ในD-Wave Whitepaper :

ในพล็อตด้านซ้ายคุณจะเห็นได้ว่าระยะทางในการกลับตัวเป็นไฮเปอร์พารามิเตอร์ใหม่ที่สำคัญมากเนื่องจากค่าจะกำหนดความน่าจะเป็นในการได้รับสถานะกราวด์ใหม่ (พื้นที่สีน้ำเงิน) หากระยะทางย้อนกลับต่ำเกินไปคุณจะได้รับสถานะเดิมที่คุณเริ่มต้นด้วย (พื้นที่สีแดง) ซึ่งจะไร้ประโยชน์ และแน่นอนถ้าคุณย้อนกลับการหลอมนานเกินไปคุณจำเป็นต้องทำการหลอมควอนตัมแบบดั้งเดิมและปล่อยข้อมูลที่คุณเริ่มต้นด้วย โปรดจำไว้ว่าฟิลด์ตามขวางมากเกินไปหมายความว่าเรากำลังทำการค้นหาทั่วโลกอีกครั้ง!

พล็อตที่ถูกต้องแสดงให้เห็นถึงสิ่งเดียวกันโดยการวางแผนระยะทาง Hammingกับระยะทางกลับและความน่าจะเป็นที่จะได้รับสถานะพื้นใหม่ สำหรับปัญหาของคุณในมือคุณต้องการค้นหาจุดหวานนั้น (สูงสุดของเส้นโค้งสีแดง) สำหรับการกลับทางระยะไกลขนาดใหญ่เราจะเห็นอีกครั้งว่าเราได้รับสายการแก้ปัญหาที่อยู่ห่างจากสถานะเริ่มต้นของเราในแง่ของระยะทางแฮมมิง

สรุปแล้วการอบกลับเป็นสิ่งที่ค่อนข้างใหม่และเพื่อความรู้ของฉันที่ดีที่สุดไม่มีเอกสารที่ตีพิมพ์เกี่ยวกับประสิทธิภาพของมัน ในWhitepaperของพวกเขาD-Wave อ้างว่าการสร้าง 'optima ทั่วโลกใหม่เร็วกว่าการหลอมควอนตัมควอนตัมไปข้างหน้า 150 เท่า'

มีเอกสารสองสามฉบับเกี่ยวกับอัลกอริธึมที่สามารถสร้างขึ้นได้โดยใช้การหลอมแบบย้อนกลับhttp://iopscience.iop.org/article/10.1088/1367-2630/aa59c4/metaและhttps://arxiv.org/abs/1609.05875 ( เป็นมูลค่าชี้ให้เห็นก่อนหน้านี้งานระบบปิดค่อนข้างเกี่ยวข้อง: https://link.springer.com/article/10.1007/s11128-010-0168-z ) สำหรับผลการทดลองฉันคิดว่ามีเพียงคนเดียวที่เปิดเผยต่อสาธารณะในขณะที่เขียนเป็นกระดาษสีขาวที่ให้ไว้ในโพสต์ก่อนหน้า อย่างไรก็ตามจะมีงานใหม่นำเสนอที่ AQC 2018 ( https://ti.arc.nasa.gov/events/aqc-18/ ) ในปลายเดือนมิถุนายนและการพูดคุยเหล่านี้มักจะออนไลน์ไม่กี่เดือนหลังจากการประชุม