量子ビット数を $n$ とする。
- Barren plateaus in quantum neural network training landscapes [29 Mar 2018]
- $n$ の関数として指数関数のオーダーで勾配が消える
- 回路の深さが $\mathcal{O}(\log(n))$ では BP が起こる。
- Cost Function Dependent Barren Plateaus in Shallow Parametrized Quantum Circuits [2 Jan 2020]
- Large gradients via correlation in random parameterized quantum circuits [25 May 2020]
- ランダムな初期化をするPQC (RPQC) では BP が発生する。
- 空間的、時間的に相関のあるゲート層を含む回路モジュールを利用することで BP を軽減・回避できる。
- Layerwise learning for quantum neural networks [26 Jun 2020]
- 層別学習戦略(最適化の過程で回路の深さを段階的に増加)を用いる → 大きい勾配: BP 回避
- 2 つのフェーズで訓練する。
- フェーズ1 (事前訓練):
- 層の数をsとして、最初はs=2くらいから開始。数エポック訓練して、層をq層追加。この時前の層のパラメータは固定。
- フェーズ2:
- 事前訓練結果を元に、より大きな(全体の1/4)区切りでパラメータを切り出して再訓練。
- パラメータのランダム性が減るので BP を回避しやすくなる。
- フェーズ1 (事前訓練):
- 深いRPQCは初期値によらず似たり寄ったりの期待値を算出: 小さな平均と分散 → BP
- 2-designはBPの影響を受けやすい
- 回路が深くなると近似的に2-designになる。
- Noise-Induced Barren Plateaus in Variational Quantum Algorithms [28 Jul 2020]
- ノイズとBPの関係を見る。脱分極ノイズとPauliノイズを含む局所ノイズモデルを想定。
- 回路の深さの指数関数で勾配を抑制。
- ノイズなし想定のBP回避策でも回避できない。
- 回避策はH/Wのノイズを下げるとか回路を深くしないなど。
- Higher Order Derivatives of Quantum Neural Networks with Barren Plateaus [17 Aug 2020]
- Variational Hamiltonian Diagonalization for Dynamical Quantum Simulation [5 Sep 2020]
- Absence of Barren Plateaus in Quantum Convolutional Neural Networks [5 Nov 2020]
- Effect of barren plateaus on gradient-free optimization [24 Nov 2020]
- BPを数理的に定義
- 勾配を使う最適化は BP の影響を受ける (Chebyshevの不等式)
- 勾配を使わない最適化でも BP は解決しない(主結果)
- 最適化に必要な shots が量子ビット数の指数関数 (指数的精度の要求)
Layer VQE: A Variational Approach for Combinatorial Optimization on Noisy Quantum Computers [10 Feb 2021]
Beyond Barren Plateaus: Quantum Variational Algorithms Are Swamped With Traps [11 May 2022]
- 訓練を進めるには問題のサイズに対して指数関数的なクエリが必要
- 変分回路のオーバーパラメトライゼーションと良い local minima について言及 (文献 [41, 56])。
- 少なくともパラメータ数がヒルベルト空間 $H$ の次元と共に (指数関数的に) 増えないと訓練可能ではなさそう。
- Laziness, Barren Plateau, and Noise in Machine Learning [19 Jun 2022]
- On the practical usefulness of the Hardware Efficient Ansatz [2 Nov 2022]
- HEA を使うべきか否か → VQA では否定的。∵適切な準備が容易。/ QML はまだ可能性あるかも。
- HEA(主目的:ノイズ低減)は有名かつ悪名高し。元々VQAで提案され、QMLでも使用。
- 弱点:苦手なタスクあり。深い HEA は表現力が高くて逆に BP の影響を受ける。