Seminario QAOA MAXCUT

A Quantum Approximate Optimization
Algorithm
Marlos Ferreira Martins

marlos@cos.ufrj.br
PESC/COPPE
30 de Outubro de 2019
Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 1 / 43

Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut
5 Relação para o Algoritmo Adiabatico Quantico
6 Uma Variação do Algoritmo

Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut

Objetivo
Tarefa: Demonstrar um algoritmo quântico que

produz soluções aproximadas para problemas de
otimização combinatória;
O algoritmo depende de um número inteiro p ≥ 1;
qualidade dos resultados melhoram à medida que p
é incrementado;
abordado para o problema de corte máximo, o
MaxCut.

MaxCut
O Problema de Decisão:
Dado um grafo G (V , E ), um peso w (e) ∈ Z+ para cada
e ∈ E , e um inteiro positivo k. Existe uma partição de V
em conjuntos disjuntos V1 e V2 , tal que, a soma dos pesos
das arestas de E , que conectam os dois subconjuntos, seja
no mı́nimo k?

MaxCut
Esse problema é conhecido como sendo NP-completo. Es-

tava na lista dos 21 problemas NP-completos apresenta-
dos em 1972 por Richard Karp no artigo ”Reducibility
among combinatorial problems”, em 1976 Garey, Johnson
e Stockmeyer mostraram que ”simple maxcut”, w (e) =
1 ∀e ∈ E , é NP-completo.

MaxCut
O Problema de otimização:
Dado um grafo G (V , E ), e k, da instância acima, encontre
o k máximo, ou seja, um corte máximo.
Aplicações:
Em projeto de Circuitos VLSI(Very Large Scale Integra-
tion), na Fı́sica Estatı́sticas, em Sistemas de Estados De-
sordenados de matéria condensada, MaxCut é equivalente
a minimizar o modelo hamiltoniano, Modelo de Ising.

Introdução
Problemas de otimização são especificados por n bits e m

cláusulas. A função objetivo, definida sobre cadeias de n
bits:
m
X
C (z) = Cα (z) (1)
α=1
onde z = z1 z2 · · · zn é a cadeia de bits e Cα (z) = 1 se z

satisfizer a cláusula α e Cα (z) = 0 caso contrário.

Introdução
MaxSat pergunta qual é a cadeia de bits que maximiza a

função objetivo. O computador quântico trabalha em um
espaço de Hilbert(espaço vetorial finito com produto in-
terno) de dimensão 2n com vetores da base computacional
|zi, e C (z) é um operador diagonal na base computacio-
nal.

Introdução
Definimos um operador unitário U(C , γ)

(U † U = UU † = I ) que depende de um ângulo γ,
m
Y
−iγC
U(C , γ) = e = e −iγCα (2)
α=1
Como C tem autovalores inteiros, podemos restringir γ a

ficar entre 0 e 2π.

Introdução
Definimos o operador B, que é a soma de todos os ope-

radores de bit único σ x ,
n
X
B= σjx (3)
j=1
n
x
Y
−iβB
U(B, β) = e = e −iβσj (4)
j=1
onde β varia de 0 a π.

Introdução
O estado inicial |si será a superposição uniforme sobre

estados da base computacional:
1 X
|si = √ |zi (5)
2n z
Para qualquer número inteiro p ≥ 1

ângulos γ1 · · · γp ≡ γ e β1 · · · βp ≡ β
definimos o estado quântico dependente do ângulo:
|γ, βi = U(B, βp )U(C , γp ) · · · U(B, β1 )U(C , γ1 )|si (6)

Introdução
Seja Fp a expectativa de C neste estado
Fp (γ, β) = hγ, β|C |γ, βi (7)
e seja Mp o máximo de Fp sobre os ângulos,
Mp = max Fp (γ, β) (8)

γ,β

Introdução
A maximização em p − 1 pode ser vista como uma maxi-

mização restrita em p
Mp ≥ Mp−1 (9)
Além disso, mostraremos mais tarde que
lim Mp = max C (z) (10)

p→∞ z

Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut

Algoritmo p Fixo
Realizamos o pré-processamento clássico para o p fixo, e
determinamos os ângulos γ e β que maximizam Fp (γ, β).
A entrada é um grafo com n vértices e um conjunto de
arestas {hjki} de tamanho m. O objetivo é encontrar uma
cadeia de bits z que faz
X
C= Chjki (11)
hjki
onde
1
Chjki = (−σjz σkz + 1) (12)
2
tão grande quanto possı́vel.
Algoritmo p Fixo
Agora X
Fp (γ, β) = hs|U † (C , γ1 ) · · ·
hjki
U† (B, βp )Chjki U(B, βp ) · · · U(C , γ1 )|si(13)

Considere o operador associado com aresta hjki
U † (C , γ1 ) · · · U † (B, βp )Chjki U(B, βp ) · · · U(C , γ1 ) (14)
Este operador envolve apenas os qubits j e k cuja a distância
no grafo de j ou k é menor ou igual a p. Para ver isso,
considere p = 1 onde a expressão anterior é
U † (C , γ1 )U † (B, β1 )Chjki U(B, β1 )U(C , γ1 ) (15)
Algoritmo p Fixo
Os fatores no operador U(B, β1 ) que não envolvem qubits
j ou k são comutados em Chjki e nós obtemos
x x x x
U † (C , γ1 )e iβ1 (σj +σk ) Chjki e −iβ1 (σj +σk ) U(C , γ1 ) (16)
Quaisquer fatores no operador U(C , γ1 ) que não envolvam

qubits j ou k serão comutados e cancelados. Portanto, o
operador na equação (16) envolve apenas a aresta hjki, e
arestas adjacentes a hjki e qubits nessas arestas. Observe
que o estado |si é o produto de σ x auto-estados
|si = |+i1 |+i2 · · · |+in (17)

Algoritmo p Fixo
Cada subgrafo contém um número de qubits que é inde-
pendente de n e isso nos permite avaliar Fp em termos de
subsistemas quânticos cujos tamanhos são independentes
de n. Como ilustração, considere o MaxCut com entrada
restrita a grafos de grau fixo 3. Para p = 1, existem
apenas estes subgrafos possı́veis para a aresta hjki:
(18)
Algoritmo p Fixo
Para qualquer subgrafo G , defina o operador CG , no qual
C está restrito a G ,
X
CG = Chll 0 i (19)
0
hll i∈G
e o operador associado
U(CG , γ) = e −iγCG (20)
Também define X
BG = σjx (21)
j∈G
Algoritmo p Fixo
U(BG , β) = e −iβBG (22)

Cada aresta hjki na soma está associada a um subgrafo
g (j, k) e faz uma contribuição para Fp de
hs, g (j, k)|U † (Cg (j,k) , γp ) · · · U † (Bg (j,k) , β1 )

Chjki U(Bg (j,k) , β1 ) · · · (23)
U(Cg (j,k) , γp )|s, g (j, k)i

Algoritmo p Fixo
Definimos
fg (γ, β) = hs, g (j, k)|U † (Cg (j,k) , γp ) · · ·
U † (Bg (j,k) , βp )Chjki U(Bg (j,x) , βp ) · · · (24)
U(Cg (j,k) , γ1 )|s, g (j, k)i
onde g (j, k) é um subgrafo de tipo g . Fp é então

X
Fp (γ, β) = wg fg (γ, β) (25)
g
onde wg é o número de ocorrências do subgrafo g na soma

da aresta original. As funções fg não dependem de n e m.
Algoritmo p Fixo
Para um grafo com o grau máximo v , o número de qubits
nesta árvore é
h (v − 1)p+1 − 1 i
qarvore = 2 (26)
(v − 1) − 1
Para cada p, existem apenas finitos tipos de subgrafos.
Que pode ser avaliado em um computador clássico cujos
recursos não crescem com n. Cada fg envolve operadores
e estados em um espaço de Hilbert cuja dimensão é no
máximo 2qarvore . É certo que, para p grandes, isso pode
estar além da tecnologia clássica, mas os requisitos de
recursos não crescem com n.
Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut

Concentração
Para obter informações sobre a propagação de C medida
no estado |γ, βi,a distribuição de C (z) fica concentrada
com valores próximos da sua média. Mostramos a
variância:
hγ, β|C 2 |γ, βi − hγ, β|C |γ, βi2 (27)
X h
= hs|U † (C , γ1 ) · · · U † (B, βp )Chjki Chj 0 k 0 i U(B, βp ) · · ·
hjki
hj 0 k 0 i
U(C , γ1 )|si − hs|U † (C , γ1 ) · · · U † (B, βp )Chjki U(B, βp ) · · ·

U(C , γ1 )|si · hs|U † (C , γ1 ) · · · U † (B, βp )Chj 0 k 0 i U(B, βp ) · · ·
i
U(C , γ1 )|si
Concentração
vemos que para cada hjki existem no máximo

h (v − 1)2p+2 − 1 i
2 (29)
(v − 1) − 1
0 0
arestas hj k i que poderiam contribuir e, portanto,
h (v − 1)2p+2 − 1 i
2 2
hγ, β|C |γ, βi − hγ, β|C |γ, βi ≤ 2 ·m
(v − 1) − 1
(30)
vemos
√ que o desvio padrão de C (z) é no máximo na ordem
m.
Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut

O ciclo da discórdia
Aplicando o algoritmo quântico no MaxCut em grafos 2-

regulares, temos que regular de grau 2 significa que o grafo
é um ciclo. O operador objetivo é máximo n ou n − 1,
dependendo de n é par ou ı́mpar.
Para qualquer p, para cada aresta do anel, o subgrafo
de vértices próximos(no máximos de p) da aresta é um
segmento de 2p + 2 vértices conectados com a aresta es-
pecificada no centro.

O ciclo da discórdia
Então para cada p existe apenas um tipo de subgrafo,

um segmento de linha de 2p + 2 qubits e o peso para
este tipo de subgrafo é n. Concluı́mos que Mp = n 2p+1
2p+2
para todo p. Então o algoritmo quântico encontrará um
corte de tamanho n 2p+1
2p+2 − 1 ou maior. Vemos que o al-
goritmo quântico pode produzir uma taxa de aproximação
que pode ser arbitrariamente próximo de 1, tornando p
grande o suficiente, independente de n. Esse algoritmo
possui uma profundidade de circuito independente de n.

Grafos 3-Regular
Aplicando o algoritmo quântico no MaxCut em grafos 3-
regulares(conectados). A taxa de aproximação é C (z),
onde z é a saı́da do algoritmo quântico, dividido pelo
máximo de C .
Suponha que um grafo 3-regular com n vértices (e con-
sequentemente 3n 2 arestas) contenha T ”triângulos iso-
lados”e S ”quadrados cruzados”, que são subgrafos da
forma,
(31)
Grafos 3-Regular
As linhas pontilhadas indicam arestas que deixam o triângulo

isolado e o quadrado cruzado. Para dizer que o triângulo
está isolado é necessário que as 3 arestas que deixam o
triângulo terminam em vértices distintos. Se as duas ares-
tas que deixam o quadrado cruzado são de fato a mesma
aresta, então temos um grafo 3-regular desconectado com
4 vértices.

Grafos 3-Regular
Para cada quadrado cruzado existe uma aresta hjki para

a qual g (j, k) é o primeiro tipo exibido em (18). Chame
este tipo de subgrafo g4 porque tem 4 vértices. Em cada
quadrado cruzado existem 4 arestas que dão origem a sub-
grafos do segundo tipo exibido em (18). Chamamos esse
subgrafo de tipo g5 porque possui 5 vértices. Todas as 3
arestas de qualquer triângulo isolado têm um subgrafo do
tipo g5 , então existem arestas 4S + 3T com subgrafo tipo
g5 . As demais arestas do grafo têm um tipo de subgrafo
como o terceiro exibido em (18) e chamamos esse subgrafo
de tipo g6 . Existem ( 3n
2 − 5S − 3T ) destes subgrafos

Grafos 3-Regular
por isso temos

3n
F1 (γ, β) = Sfg 4 (γ, β)+(4S+3T )fg 5 (γ, β)+ −5S−3T fg
2
(32)
O máximo de F1 é uma função de n, S e T ,
M1 (n, S, T ) = max F1 (γ, β) (33)

γ,β
Dado qualquer grafo 3-regular é fácil contar S e T .

Grafos 3-Regular
Então, usando um computador clássico, é fácil calcular

M1 (n, S, T ). Executando um computador quântico com
os ângulos maximizadores γ e β que produzirão o estado
|γ, βi que é então medido na base computacional. Com
ordem n log n repetições, será encontrada uma cadeia de
bits cujo valor de corte é muito próximo ou maior que
M1 (n, S, T ).

Grafos 3-Regular
Um grafo com S quadrados cruzados e T triângulos iso-

lados devem ter pelo menos uma aresta não satisfeita por
quadrado cruzado e uma aresta não satisfeita por triângulo
isolado, de modo que o número de arestas satisfeitas é
≤ ( 3n
2 − S − T ).

Grafos 3-Regular
O algoritmo quântico irá produzir uma taxa de aproximação
que seja pelo menos
M1 (n, S, T )
3n (34)
2 −S −T
É conveniente dimensionar n a partir do numerador e de-

nominador de (34).Então podemos escrever (34) como
M1 (1, s, t)
3 (35)
2 −s −t
onde s, t ≥ 0 e 4s + 3t ≤ 1.
Grafos 3-Regular
Podemos analisar o desempenho do QAOA para p = 2

em grafos 3-regular. No entanto, é mais complicado que
o caso p = 1. O tipo de subgrafo com mais qubits é essa
árvore com 14 vértices:
(36)

Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut

Relação para o Algoritmo Adiabatico
Quantico
O algoritmo adiabático quântico, QAA, foi projetado

para encontrar a solução ótima e o fará se o tempo de
execução for longo o suficiente. Considere o
Hamiltoniano dependente do tempo
t t

H(t) = 1 − T B + T C .
Poderı́amos executar o algoritmo adiabático se o tempo
de execução T fosse longo o suficiente.

Relação para o Algoritmo Adiabatico
Quantico
Para um exemplo extremo em que a probabilidade de
sucesso é plotada como uma função de T para uma
instância especı́fica de 20 qubit do Max2Sat:

Agenda
1 Intodução
2 Algoritmo p Fixo
3 Concentração
4 MaxCut

Uma Variação do Algoritmo

FIM!
A Quantum Approximate Optimization Algorithm

Edward Farhi and Jeffrey Goldstone
MAX CUT in cubic graphs
Eran Halperin, Dror Livnat,Uri Zwick
Quantum Adiabatic Evolution Algorithms versus Si-
mulated Annealing
Edward Farhi, Jeffrey Goldstone
Different Strategies for Optimization Using the Quan-
tum Adiabatic Algorithm
E.Crosson, E.Farhi, C.Y.Y. Lin, H.H.Lin, and P.Shor
https://en.wikipedia.org/wiki/Maximum cut

Seminario QAOA MAXCUT

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Seminario QAOA MAXCUT

Enviado por

Direitos autorais:

Formatos disponíveis

A Quantum Approximate Optimization

Marlos Ferreira Martins

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 1 / 43

5 Relação para o Algoritmo Adiabatico Quantico

6 Uma Variação do Algoritmo

5 Relação para o Algoritmo Adiabatico Quantico

6 Uma Variação do Algoritmo

Tarefa: Demonstrar um algoritmo quântico que

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 4 / 43

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 5 / 43

Esse problema é conhecido como sendo NP-completo. Es-

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 6 / 43

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 7 / 43

Problemas de otimização são especificados por n bits e m

onde z = z1 z2 · · · zn é a cadeia de bits e Cα (z) = 1 se z

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 8 / 43

MaxSat pergunta qual é a cadeia de bits que maximiza a

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 9 / 43

Definimos um operador unitário U(C , γ)

Como C tem autovalores inteiros, podemos restringir γ a

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 10 / 43

Definimos o operador B, que é a soma de todos os ope-

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 11 / 43

O estado inicial |si será a superposição uniforme sobre

Para qualquer número inteiro p ≥ 1

|γ, βi = U(B, βp )U(C , γp ) · · · U(B, β1 )U(C , γ1 )|si (6)

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 12 / 43

Seja Fp a expectativa de C neste estado

Fp (γ, β) = hγ, β|C |γ, βi (7)

e seja Mp o máximo de Fp sobre os ângulos,

Mp = max Fp (γ, β) (8)

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 13 / 43

A maximização em p − 1 pode ser vista como uma maxi-

Além disso, mostraremos mais tarde que

lim Mp = max C (z) (10)

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 14 / 43

5 Relação para o Algoritmo Adiabatico Quantico

6 Uma Variação do Algoritmo

U† (B, βp )Chjki U(B, βp ) · · · U(C , γ1 )|si(13)

Quaisquer fatores no operador U(C , γ1 ) que não envolvam

|si = |+i1 |+i2 · · · |+in (17)

U(CG , γ) = e −iγCG (20)

U(BG , β) = e −iβBG (22)

hs, g (j, k)|U † (Cg (j,k) , γp ) · · · U † (Bg (j,k) , β1 )

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 21 / 43

onde g (j, k) é um subgrafo de tipo g . Fp é então

onde wg é o número de ocorrências do subgrafo g na soma

5 Relação para o Algoritmo Adiabatico Quantico

6 Uma Variação do Algoritmo

U(C , γ1 )|si − hs|U † (C , γ1 ) · · · U † (B, βp )Chjki U(B, βp ) · · ·

vemos que para cada hjki existem no máximo

5 Relação para o Algoritmo Adiabatico Quantico

6 Uma Variação do Algoritmo

Aplicando o algoritmo quântico no MaxCut em grafos 2-

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 28 / 43

Então para cada p existe apenas um tipo de subgrafo,

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 29 / 43

As linhas pontilhadas indicam arestas que deixam o triângulo

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 31 / 43

Para cada quadrado cruzado existe uma aresta hjki para

Marlos Ferreira Martins (PESC/COPPE) Seminário IV 30 de Outubro de 2019 32 / 43

por isso temos

M1 (n, S, T ) = max F1 (γ, β) (33)

Dado qualquer grafo 3-regular é fácil contar S e T .