[論文レビュー] An efficient quantum algorithm for simulating polynomial differential equations

Amit Surana, Abeynaya Gnanasekaran+1 more|arXiv (Cornell University)|Dec 21, 2022

Quantum Computing Algorithms and Architecture被引用数 4

ひとこと要約

本論文は、任意の有限次数 $k$ の多項式ベクトル場をもつ非線形常微分方程式（ODE）をシミュレートする量子アルゴリズムを提示する。既存の二次系への拡張に加え、$k$ 次 ODE を高次元の二次系にマッピングし、Carleman線形化を適用した後、切断および前進オイラー法と QLSA を用いた量子線形方程式系解法を施すことで、$k$、$T$、$ \log n$ に対して多項式スケーリングの実行時間を得る。特定の条件下では指数的高速化が可能である。

ABSTRACT

We present an efficient quantum algorithm to simulate nonlinear differential equations with polynomial vector fields of arbitrary degree on quantum platforms. Models of physical systems that are governed by ordinary differential equations (ODEs) or partial differential equation (PDEs) can be challenging to solve on classical computers due to high dimensionality, stiffness, nonlinearities, and sensitive dependence to initial conditions. For sparse $n$-dimensional linear ODEs, quantum algorithms have been developed which can produce a quantum state proportional to the solution in poly(log(nx)) time using the quantum linear systems algorithm (QLSA). Recently, this framework was extended to systems of nonlinear ODEs with quadratic polynomial vector fields by applying Carleman linearization that enables the embedding of the quadratic system into an approximate linear form. A detailed complexity analysis was conducted which showed significant computational advantage under certain conditions. We present an extension of this algorithm to deal with systems of nonlinear ODEs with $k$-th degree polynomial vector fields for arbitrary (finite) values of $k$. The steps involve: 1) mapping the $k$-th degree polynomial ODE to a higher dimensional quadratic polynomial ODE; 2) applying Carleman linearization to transform the quadratic ODE to an infinite-dimensional system of linear ODEs; 3) truncating and discretizing the linear ODE and solving using the forward Euler method and QLSA. Alternatively, one could apply Carleman linearization directly to the $k$-th degree polynomial ODE, resulting in a system of infinite-dimensional linear ODEs, and then apply step 3. This solution route can be computationally more efficient. We present detailed complexity analysis of the proposed algorithms, prove polynomial scaling of runtime on $k$ and demonstrate the framework on an example.

研究の動機と目的

• 非線形ODEの量子アルゴリズムを、二次ベクトル場に限らない任意の有限次数多項式系へ拡張すること。
• 古典的ODE/PDEソルバーにおける高次元性、剛性、非線形性の計算的課題を、量子優位性を用いて解決すること。
• 指定された条件下で、系のサイズ $n$、時間発展 $T$、次数 $k$ に対して多項式実行時間スケーリングを維持すること。
• 効率的な埋め込みと切断戦略を通じて、高次多項式ODEに対する量子高速化が依然として実現可能であることを示すこと。

提案手法

• $k$ 次多項式ODEを高次元の二次多項式ODE系にマッピングし、Carleman線形化の適用を可能にする。
• 二次ODE系にCarleman線形化を適用して、無限次元線形ODE系に変換する。
• 無限次元系を有限レベル $N$ で切断して、有限次元近似を得る。
• 前進オイラー法を用いて切断された線形ODE系を離散化し、数値積分を行う。
• 得られた線形系を量子線形方程式系アルゴリズム（QLSA）で解き、解に比例する量子状態を準備する。
• 中間の二次マッピングを経由するのではなく、$k$ 次系に直接Carleman線形化を適用することで、計算コストを低減する最適化を施す。

実験結果

リサーチクエスチョン

• RQ1 量子アルゴリズムは、任意の有限次数 $k$ の多項式ODEを、$k$ に対して多項式実行時間スケーリングでシミュレート可能か？
• RQ2 提案手法は、高次非線形性を持つ系に対しても、古典的ソルバーに対して量子優位性を維持できるか？
• RQ3 Carleman線形化フレームワークにおいて、切断レベル $N$ は解の精度と複雑さにどのように影響するか？
• RQ4 解の減衰係数 $q = \|\mathbf{x}(0)\| / \|\mathbf{x}(T)\|$ は、全体のクエリ数およびゲート複雑さにどのような影響を及けるか？
• RQ5 $k$ 次系に直接Carleman線形化を適用する方法が、中間の二次マッピングに比べて計算効率に優れているか？

主な発見

• 提案アルゴリズムは、クエリ数およびゲート複雑度が $\mathcal{O}\left(\frac{sT^{2}q}{\epsilon}\textsf{poly}(\log T, \log n, \log 1/\epsilon)\right)$ に抑えられ、$k$ に対して多項式スケーリングを達成する。
• 従来のアプローチで見られる指数的依存性に起因する問題を克服し、時間発展 $T$ に対しても多項式実行時間スケーリングを維持する。
• $k$ 次ODEに直接Carleman線形化を適用するアプローチは、中間の二次マッピングに比べてより計算的に効率的である。
• 切断レベル $N$ は、元の系のすべての固有方程式が線形化近似に含まれるように、$N = N'(k-1)$ として選定される。
• 複雑度解析により、非線形性が線形減衰に対して相対的に小さい条件 $R_k < 1$ の下で、古典的手法に比べて指数的高速化が達成されることを確認した。
• 数値的実験により、テスト例においてフレームワークの実現可能性と精度が検証され、理論的複雑度境界が妥当であることが裏付けられた。