Does provable absence of barren plateaus imply classical simulability? Or, why we need to rethink variational quantum computing

要約

最近、不毛の高原現象を理解するために多大な努力が払われている。
この視点の記事では、部屋の中でますます騒々しくなる象に直面し、多くの人がほのめかしてきたものの、明示的には対処されていなかった質問を投げかけます。不毛の台地を回避できる構造は、古典的に損失を効率的にシミュレートするためにも利用できるでしょうか?
我々は、初期のデータ取得段階で量子デバイスからいくつかの古典的データを収集できれば、不毛なプラトーが証明されていない一般的に使用されるモデルも古典的にシミュレーション可能であるという強力な証拠を提示します。
これは、不毛の台地は次元の呪いから生じており、それらを解決するための現在のアプローチは、最終的に問題を古典的にシミュレーション可能ないくつかの小さな部分空間にコード化することになるという観察から得られます。
これは、不毛のプラトーのない風景に対するパラメータ化された量子回路の情報処理能力の非古典性と、それらを量子ハードウェア上で実行することによる超多項式の利点の可能性について、重大な疑問を投げかけます。
最後に、私たちの議論における注意点、スマート初期化の役割について議論し、私たちの視点がもたらす新たな機会を強調して終わります。

要約(オリジナル)

A large amount of effort has recently been put into understanding the barren plateau phenomenon. In this perspective article, we face the increasingly loud elephant in the room and ask a question that has been hinted at by many but not explicitly addressed: Can the structure that allows one to avoid barren plateaus also be leveraged to efficiently simulate the loss classically? We present strong evidence that commonly used models with provable absence of barren plateaus are also classically simulable, provided that one can collect some classical data from quantum devices during an initial data acquisition phase. This follows from the observation that barren plateaus result from a curse of dimensionality, and that current approaches for solving them end up encoding the problem into some small, classically simulable, subspaces. This sheds serious doubt on the non-classicality of the information processing capabilities of parametrized quantum circuits for barren plateau-free landscapes and on the possibility of superpolynomial advantages from running them on quantum hardware. We end by discussing caveats in our arguments, the role of smart initializations, and by highlighting new opportunities that our perspective raises.

arxiv情報

著者 M. Cerezo,Martin Larocca,Diego García-Martín,N. L. Diaz,Paolo Braccia,Enrico Fontana,Manuel S. Rudolph,Pablo Bermejo,Aroosa Ijaz,Supanut Thanasilp,Eric R. Anschuetz,Zoë Holmes
発行日 2023-12-14 16:54:57+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, quant-ph, stat.ML パーマリンク