AlphaTensor-Quantumの深層強化学習アーキテクチャの革新点

Source :  https://arxiv.org/pdf/2402.14396

AlphaTensor-Quantumは、深層強化学習に基づくテンソル分解手法であり、テンソルの低ランクWaring分解を探索し、量子回路のTゲート数（T-count）を最適化することを目的としています。標準的なAlphaTensorや他の既存のT-count最適化手法と比較して、AlphaTensor-Quantumの深層強化学習アーキテクチャには以下の革新点があります：

• 対称テンソルランクの最適化：AlphaTensor-Quantumは、強化学習環境とアクションを修正し、テンソルの対称分解（Waring分解）を提供します。これにより、アクションの探索空間が縮小され、標準的なAlphaTensorよりも大きなテンソルを処理できるようになります。
• 大規模テンソルへのスケーラビリティ：AlphaTensor-Quantumは、対称化層を含む革新的なニューラルネットワークアーキテクチャを採用しており、より大きなテンソルへのスケーラビリティを実現しています。サイズが30のテンソルの場合、同じ層数で対称化軸方向のアテンション演算速度は約4倍速く、メモリ消費は3倍減少します。
• ドメイン知識の活用：AlphaTensor-Quantumは、「ガジェット」と呼ばれる量子ゲートの代替実装を活用することで、ドメイン知識を統合しています。これらのガジェットは、追加の補助量子ビットや操作（例：Cliffordゲートや測定に基づく修正）を導入することで、Tゲートの数を減少させます。AlphaTensor-Quantumは、強化学習環境にToffoliガジェットや制御S（CS）ガジェットを活用する効果的な手法を組み込んでいます。
  • 各アクションを実行する際、AlphaTensor-Quantumは、それが直前の6つのアクションと組み合わせてToffoliゲートを形成するか、直前の2つのアクションと組み合わせてCSゲートを形成するかを確認します。Toffoliゲートが完成した場合、7つのアクション全体で-7の報酬（Tゲート7つに相当）ではなく、-2の報酬（Tゲート2つに相当）を与えることで、正の報酬を割り当てます。CSゲートが完成した場合、3つのアクション全体で-2の報酬を与えるように報酬を調整します。
  • AlphaTensor-Quantumは、これらのアクションパターンを識別し活用する方法をデータから学習し、ガジェットを使用するアクションと使用しないアクションの間で適切なバランスを見つけます。

総じて、AlphaTensor-Quantumの深層強化学習アーキテクチャは、対称テンソルランクの最適化、大規模テンソルへのスケーラビリティ、ドメイン知識の活用を通じて、量子回路のTゲート数の最適化において顕著な進展を遂げています。これらの革新により、量子計算分野でさらなるブレークスルーが期待される強力な自動化回路最適化手法となっています。