[論文レビュー] Quantum Multigrid Algorithm for Finite Element Problems

Osama M. Raisuddin, Suvranu De|arXiv (Cornell University)|Apr 11, 2024

Quantum Computing Algorithms and Architecture被引用数 4

ひとこと要約

本稿では、有限要素法に基づく線形系を解くために、量子状態に直接多重グリッド反復操作を適用する量子多重グリッドアルゴリズム（qMG）を提案する。反復の系列を量子状態に符号化することにより、qMGはこのような系の解法において指数的高速化を達成し、実行時間はO(poly log(N/ε′))にスケーリングされ、O(poly log(N/ε′))の量子ビットのみを必要とするとともに、初期推定値を活用して収束効率を向上させる。

ABSTRACT

Quantum linear system algorithms (QLSAs) can provide exponential speedups for the solution of linear systems, but the growth of the condition number for finite element problems can eliminate the exponential speedup. QLSAs are also incapable of using an initial guess of a solution to improve upon it. To circumvent these issues, we present a Quantum Multigrid Algorithm (qMG) for the iterative solution of linear systems by applying the sequence of multigrid operations on a quantum state. Given an initial guess with error e_0, qMG can produce a vector encoding the entire sequence of multigrid iterates with the final iterate having a relative error e'=e/e_0, as a subspace of the final quantum state, with exponential advantage in O( poly log (N/e') ) time using O( poly log (N/e') ) qubits. Although extracting the final iterate from the sequence is efficient, extracting the sequence of iterates from the final quantum state can be inefficient. We provide an analysis of the complexity of the method along with numerical analysis.

研究の動機と目的

• 有限要素問題における条件数の増大が量子線形系アルゴリズム（QLSA）の指数的高速化を損なう要因となることを是正すること。
• QLSAが初期解の推定値を活用して収束を加速する能力に制限を受けるのを克服すること。
• 有限要素系のための量子計算に多重グリッド反復を統合する量子アルゴリズムを開発すること。
• 有限要素離散化から生じる大規模線形系の解法において指数的高速化を達成すること。

提案手法

• アルゴリズムは、解の反復状態を表す量子状態に直接、制限、平滑化、補間という多重グリッド操作を適用する。
• 全反復系列を1つの量子状態に符号化し、最終反復を部分空間として埋め込む。
• 収束を加速するために、量子振幅増幅と量子状態準備を活用する。
• 多重グリッドサイクルを量子状態上で実装するための再帰的量子回路構造を用いることで、対数的量子ビットスケーリングを維持する。
• 最終反復の相対誤差がε′ = ε / ε₀（ε₀は初期誤差）となるように保証し、初期推定値からの効率的改善を実現する。
• 有限要素行列およびその階層的粗グリッド表現に対する量子オракルへのアクセスを仮定する。

実験結果

リサーチクエスチョン

• RQ1 有限要素線形系を解くために、多重グリッド反復を量子状態上で効率的に実装し、指数的高速化を達成できるか？
• RQ2 量子多重グリッド手法は、QLSA性能を低下させる条件数の増大をどのように扱うか？
• RQ3 初期推定値を量子反復ソルバーに符号化し、収束加速にどの程度活用できるか？
• RQ4 量子重ね合わせ状態に多重グリッド反復の系列を維持する際の量子リソースコスト（量子ビット数およびゲート数）はどの程度か？
• RQ5 指数的高速化を保持したまま、最終量子状態から最終解を効率的に抽出できるか？

主な発見

• 量子多重グリッドアルゴリズムは、有限要素線形系の解法においてO(poly log(N/ε′))の実行時間を達成し、古典的多重グリッド法に比べて指数的高速化を実現する。
• アルゴリズムはO(poly log(N/ε′))の量子ビットしか必要としないため、大規模問題においてもリソース効率が良い。
• 最終量子状態は全多重グリッド反復系列を符号化しており、最終反復の相対誤差はε′ = ε / ε₀（ε₀は初期誤差）となる。
• 最終反復の抽出は効率的であるが、全反復系列の抽出は保証されない。
• 数値解析により理論的複雑度スケーリングが確認され、モデル有限要素問題におけるアルゴリズムの収束行動が妥当であることが検証された。
• 本手法は、通常、有限要素問題におけるQLSAの指数的高速化を無効にする条件数の障壁を克服する。