핵심 요약
AWS가 PennyLane과 Amazon Braket 하이브리드 잡을 활용해 Max-Cut 문제를 QAOA로 해결하는 구현을 소개합니다. 본 1부는 Max-Cut 개념과 QAOA 원리, 그래프 생성부터 해밀토니언 구성, 양자 회로 설계, 비용 함수 최적화 및 maxcut_qaoa 모듈의 단계별 구현을 다루며, 2부에서 로컬 시뮬레이터, 하이브리드 잡의 임베디드 시뮬레이터, 온디맨드 시뮬레이터(SV1) 실행 방식 차이를 비교할 예정입니다.
구현 방법
- 그래프 생성 및 입력 데이터 처리: NetworkX로 5노드, 6간선의 무작위 그래프를 생성하고 시드를 고정하며, 인접 리스트 파일(graph.adjlist)로 저장합니다.
- QAOA 회로 구성: PennyLane(qml)을 사용해 비용 해밀토니언과 믹서 해밀토니언을 기반으로 한 p층 양자 회로를 구축합니다.
- 파라미터 최적화: 초기 파라미터를 작은 값으로 설정하고, GradientDescentOptimizer를 이용해 비용 함수의 값을 점진적으로 낮추는 방향으로 학습합니다. Braket의 log_metric으로 비용 등 지표를 기록합니다.
주요 결과
- 비용 해밀토니언과 파라미터 최적화를 통해 에너지 평균을 낮추는 방향으로 회로를 조정하는 과정을 상세히 설명합니다.
- 구현 단계와 실행 흐름을 중심으로, Braket 예제 노트북 및 개발자 가이드의 기법을 기반으로 한 구성과 동작 방식을 제시합니다.
