[論文レビュー] Improved quantum algorithms for linear and nonlinear differential equations

Hari Krovi|arXiv (Cornell University)|Feb 2, 2022

Quantum Computing Algorithms and Architecture被引用数 4

ひとこと要約

本論文は、線形および非線形常微分方程式（ODE）を解くための顕著に改善された量子アルゴリズムを提示する。従来の研究を非対角化可能でない行列や特異行列に対しても拡張し、誤差依存性を指数関数的に改善した。行列指数のノルムを用いた実行時間の特徴付けと、高度なブロックエンコーディング技術を活用することで、非対角化可能でない行列や特異行列を含む広範なODEクラスの効率的シミュレーションが可能になった。特に、非正規で非対角化可能な行列を含む散逸的非線形系にも適用可能である。

ABSTRACT

We present substantially generalized and improved quantum algorithms over prior work for inhomogeneous linear and nonlinear ordinary differential equations (ODE). Specifically, we show how the norm of the matrix exponential characterizes the run time of quantum algorithms for linear ODEs opening the door to an application to a wider class of linear and nonlinear ODEs. In Berry et al., (2017), a quantum algorithm for a certain class of linear ODEs is given, where the matrix involved needs to be diagonalizable. The quantum algorithm for linear ODEs presented here extends to many classes of non-diagonalizable matrices. The algorithm here is also exponentially faster than the bounds derived in Berry et al., (2017) for certain classes of diagonalizable matrices. Our linear ODE algorithm is then applied to nonlinear differential equations using Carleman linearization (an approach taken recently by us in Liu et al., (2021)). The improvement over that result is two-fold. First, we obtain an exponentially better dependence on error. This kind of logarithmic dependence on error has also been achieved by Xue et al., (2021), but only for homogeneous nonlinear equations. Second, the present algorithm can handle any sparse, invertible matrix (that models dissipation) if it has a negative log-norm (including non-diagonalizable matrices), whereas Liu et al., (2021) and Xue et al., (2021) additionally require normality.

研究の動機と目的

• 線形ODE用の量子アルゴリズムを、対角化可能な行列にとどまらず、非対角化可能でない行列や特異行列にまで拡張すること。
• 特に非同次系や非線形系において、先行研究と比較して誤差依存性を指数関数的に改善すること。
• 非線形性行列が非正規または非対角化可能でない場合にも適用可能な、非線形ODEのCarleman線形化手法の一般化。
• 固有ベクトル行列の条件数や対角化可能性に依存しない、行列指数ノルムに基づく実行時間の特徴付けの提供。
• スペクトル分解を必要としない形で、ゲート数およびクエリ複雑性を制限することで、ODE文脈における量子線形系アルゴリズム（QLSA）の効率性を向上させること。

提案手法

• ブロックエンコーディング技術を用いて、特に行列指数を含む行列関数を表現し、線形ODEの効率的量子シミュレーションを可能にする。
• 固有ベクトル行列の条件数に依存しない、行列指数ノルムに基づく新しい実行時間の上限を導入し、対角化可能な行列にとどまらない一般化を実現する。
• 非線形ODEへの応用として、Carleman線形化を用い、非線形系を無限次元線形系に変換する。
• Carleman埋め込みにおける1次レベルでの切断スキームを実装し、摂動解析から得られる誤差境界を導出する。
• 量子状態準備とアモニチュード増幅を用いて、高精度の正規化された解状態を抽出する。誤差依存性が対数的になるように保証する。
• 対角化を必要とせず、条件数が小さく、ゲート複雑性が有界な形で保たれる、修正された線形系定式化を採用する。

実験結果

リサーチクエスチョン

• RQ1 線形ODE用の量子アルゴリズムを、非対角化可能でない行列や特異行列にまで拡張しても、効率性を保てるか？
• RQ2 固有値の性質（対角化可能性や条件数）に依存しない、行列指数ノルムが、より強固で一般的な実行時間の上限を提供できるか？
• RQ3 非正規行列に対しても、非線形ODE用の量子アルゴリズムにおける誤差依存性を多項式から対数的へ改善できるか？
• RQ4 非正規または非対角化可能な非線形項を含む非線形ODEに対しても、Carleman線形化手法が有効に機能するか？
• RQ5 安定な行列に対しては、行列ノルム ∥A∥ をスペクトル半径 ρ(A) に置き換えることで、実行時間スケーリングを改善できるか？特に擬似スペクトル理論を用いる場合に有効か？

主な発見

• 誤差依存性が先行研究と比較して指数関数的に改善され、非正規で非対角化可能な行列に対しても、対数的（logarithmic）に改善されている。
• 実行時間は行列指数ノルムによって上限が与えられ、非対角化可能でない行列や特異行列に対しても適用可能であり、従来の手法が失敗する状況でも利用可能である。
• 固有ベクトル行列の条件数が大きい対角化可能な行列に対しても、[1]と比較してゲート複雑性が指数関数的に改善され、行列の対数ノルムが非正でない場合でも同様に成り立つ。
• 線形部の対数ノルムが負であれば、非正規で非対角化可能な行列を含む非線形ODEに対しても、本アルゴリズムは正常に処理可能であり、[2]および[3]で要請された正規性条件を越えて適用可能である。
• 1次切断レベルでの正しい解状態を測定する確率は、下限として $1/(81N g_u^2)$ で与えられ、効率的な状態準備と抽出を保証する。
• 最終状態の正規化解とのフィデリティは、$\|y_1/\|y_1\| - u(T)/\|u(T)\|\| \leq \epsilon$ を満たし、目標精度に対して誤差が対数的にスケーリングされる。