[論文レビュー] An Adaptive, Fixed-Point Version of Grover's Algorithm

Robert R. Tucci|arXiv (Cornell University)|Jan 28, 2010

Quantum Computing Algorithms and Architecture参考文献 4被引用数 6

ひとこと要約

本稿では、初期量子状態を標的状態へ確実に駆り込むために、次第に小さくなる回転角の系列を用いる、適応的で固定点型のグローバー量子探索アルゴリズムの提案を行う。元のアルゴリズムの過剰応答問題を回避する。この手法はブロッホ球の幾何学に基づいており、初期重ね合わせが標的状態と大きく重なっていても収束を保証する。これは、標準的グローバー法の主要な限界を克服するものである。

ABSTRACT

We give an adaptive, fixed-point version of Grover's algorithm. By this we mean that our algorithm performs an infinite sequence of gradually diminishing steps (so we say it's adaptive) that drives the starting state to the target state with absolute certainty (so we say it's a fixed-point algorithm). Our algorithm is motivated by Bloch sphere geometry. We include with the ArXiv distribution of this paper some simple software (Octave/Matlab m-files) that implements, tests and illustrates some of the results of this paper.

研究の動機と目的

• 初期状態が標的状態と大きく重なっている場合に失敗する標準的グローバー法の限界を解消すること。
• 過剰応答を回避し、標的状態へ絶対的確実性で収束する固定点型量子探索アルゴリズムを開発すること。
• 初期振幅重なりが小さくない場合でも効率的に動作する手法を提供し、より広範な量子アルゴリズムへの適用可能性を拡張すること。
• ブロッホ球の幾何学に基づいた連続的で適応的な回転戦略を形式化し、反復的振幅増幅に応用すること。
• 実装と検証を支援するため、論文に同梱されたオープンソースのOctave/Matlabコードを提供すること。

提案手法

• アルゴリズムは、ブロッホ球上の固定軸の周りに、現在の状態の位置に応じて適応的に減少する回転角の系列を適用する。
• 無限の回転ステップの逐次的減少を定義する再帰的関係を用い、過剰応答を回避しながら標的状態へ収束することを保証する。
• 各ステップの回転角は、球面三角法を用いた幾何モデルから導出され、現在の状態の標的に対する相対的角に依存する。
• この手法はパウリ行列代数とユニタリー発展に基づいており、回転演算子はパウリ行列の積と反射操作によって定義される。
• 連続極限が導出され、現在の状態、標的、回転軸がなす球面三角形を含む微分方程式に従うことが示された。
• 論文に同梱されたソフトウェアツール（Octave/Matlab m-files）を用いた数値的検証が行われた。

実験結果

リサーチクエスチョン

• RQ1 初期状態が標的状態と顕著に重なっている場合でも、標的状態へ絶対的確実性で収束する量子探索アルゴリズムを設計できるか？
• RQ2 振幅増幅におけるステップサイズをどのように適応的に小さくすることで、過剰応答を回避し収束を保証できるか？
• RQ3 ブロッホ球上でのどのような幾何的原則を用いることで、連続的で固定点型の探索プロセスを導出できるか？
• RQ4 提案手法は、元のグローバー法およびπ/3固定点型バージョンと比較して、収束特性およびロバスト性においてどのように異なるか？
• RQ5 この手法を実用的実装のための基本量子ゲートの系列に効率的にコンパイルできるか？

主な発見

• アルゴリズムは、標的状態へ絶対的確実性で収束を保証し、元のグローバー法に内在する過剰応答のリスクを排除する。
• 初期状態と標的状態の重なりが大きくても、本手法は効果的に機能する。これは、標準的グローバー法が失敗する領域である。
• 回転角は球面三角法から導かれた非一様で適応的なシーケンスに従い、滑らかな収束を実現する。
• 連続極限において、進化は球面三角形の辺長さとその補完の最小値を含む微分方程式で記述される。
• 数値シミュレーションにより、アルゴリズムの挙動が理論的予測と一致することが確認され、初期重なりが1に近づく場合でさえ収束が観測された。
• パラメータの変動に対してもロバストであり、テストおよび展開を支援するオープンソースソフトウェアによって支援されている。