[論文レビュー] Randomized adiabatic quantum linear solver algorithm with optimal complexity scaling and detailed running costs

David Jennings, Matteo Lostaglio+3 more|arXiv (Cornell University)|May 19, 2023

Quantum Computing Algorithms and Architecture被引用数 7

ひとこと要約

本論文は、量子信号処理と最適化された断熱的遷移を組み合わせた確率的断熱的量子線形ソルバーを提示する。非漸近的クエリ複雑度 $ Q = O(\tau \widetilde{O}(\kappa)) $ を達成し、初期のフォールトトレラント実装において、先行手法と比較して最大9倍のコスト削減を実現する。このアルゴリズムは、$ O(\tau \log(\kappa/\epsilon)) $ の漸近的スケーリングを達成し、定数係数を改善。クエリ回数と分散に関する厳密な境界が得られ、量子サブルーチンにおける実用的導入を可能にする。

ABSTRACT

Solving linear systems of equations is a fundamental problem with a wide variety of applications across many fields of science, and there is increasing effort to develop quantum linear solver algorithms. [Subaşi et al., Phys. Rev. Lett. (2019)] proposed a randomized algorithm inspired by adiabatic quantum computing, based on a sequence of random Hamiltonian simulation steps, with suboptimal scaling in the condition number $κ$ of the linear system and the target error $ε$. Here we go beyond these results in several ways. Firstly, using filtering~[Lin et al., Quantum (2019)] and Poissonization techniques [Cunningham et al., arXiv:2406.03972 (2024)], the algorithm complexity is improved to the optimal scaling $O(κ\log(1/ε))$ -- an exponential improvement in $ε$, and a shaving of a $\log κ$ scaling factor in $κ$. Secondly, the algorithm is further modified to achieve constant factor improvements, which are vital as we progress towards hardware implementations on fault-tolerant devices. We introduce a cheaper randomized walk operator method replacing Hamiltonian simulation -- which also removes the need for potentially challenging classical precomputations; randomized routines are sampled over optimized random variables; circuit constructions are improved. We obtain a closed formula rigorously upper bounding the expected number of times one needs to apply a block-encoding of the linear system matrix to output a quantum state encoding the solution to the linear system. The upper bound is $837 κ$ at $ε=10^{-10}$ for Hermitian matrices.

研究の動機と目的

• 初期のフォールトトレラント量子ハードウェア向けに、明示的かつ非漸近的なクエリコストの境界を有する量子線形ソルバーを開発すること。
• 断熱的遷移とフィルタリング技術の最適化により、量子線形ソルバーのリソースオーバーヘッドを低減すること。
• 線形ソルバーをサブルーチンとして使用する任意の量子アルゴリズムに適用可能な、問題に依存せず、アーキテクチャに依存しないコストモデルを提供すること。
• 断熱的遷移時間における期待クエリコストと分散を分析し、実用的実装におけるロバスト性を保証すること。

提案手法

• アルゴリズムはSubaşıらの手法に基づく修正された断熱的遷移プロトコルを用い、期待クエリ数を低減するための確率的遷移時間を導入する。
• 量子信号処理（QSP）技術を用いて、線形システムの解状態への射影を実装するフィルタリング操作を実現する。
• クエリ複雑度は、条件数 $ \kappa $、誤差許容値 $ \epsilon $、ブロックエンコーディングスケーリング $ \alpha $ に依存する閉形式式から導出され、$ \epsilon = 10^{-10} $ の場合 $ Q \approx 2305 \kappa / \sqrt{2 - \sqrt{2}} $ となる。
• 断熱的遷移時間は、期待コストまたは分散を最小化するために最適化された確率分布 $ p_j(t) $ を持つ確率変数としてモデル化される。
• エネルギーギャップ $ \Delta(s) $ を含む解析的表現を用いてクエリ回数の分散を境界づける。積分近似を用いることで、より緊密な境界が得られる。
• 分散最適化された分布 $ p_j(t) \propto \left( \frac{\cos(\Delta(s_j)t/2)}{\pi^2 - \Delta^2(s_j)t^2} \right)^2 $ により、標準偏差が平均の8–12%にまで低下し、安定性が向上する。

実験結果

リサーチクエスチョン

• RQ1 QSPフィルタリングを用いた確率的断熱的量子線形ソルバーの正確な非漸近的クエリ複雑度は何か？
• RQ2 期待クエリ数は $ \kappa $、$ \epsilon $、$ \alpha $ に対してどのようにスケーリングされ、先行アルゴリズムと比較してどうなるか？
• RQ3 最適化された確率分布を用いることで、断熱的遷移時間の分散を解析的に境界づけ、低減できるか？
• RQ4 初期量子ハードウェアに適した条件数を想定した場合、このアルゴリズムは最先端手法に比べてどの程度の実用的コスト優位性を示すか？
• RQ5 このアルゴリズムは、より大きな量子アプリケーションにおける問題に依存せず、アーキテクチャに依存しないサブルーチンとしてどの程度のレベルで展開可能か？

主な発見

• $ \kappa = 10^3 $ および $ \epsilon = 10^{-10} $ の場合、非漸近的クエリ複雑度は $ Q \approx 6023\kappa $ に達し、Costaら[1]の最良数値的推定値と比較して4.8–8.8倍の改善を達成する。
• すべての $ \kappa \leq 10^{32} $ に対して、本手法は漸近的に最適な $ O(\kappa \log(1/\epsilon)) $ のアルゴリズム（Costaら[1]）を上回る性能を示すが、わずかに緩い漸近的スケーリングである。
• 断熱的段階における期待クエリ数は、先行手法と比較して最大9倍まで低減され、標準プロトコルでは遷移時間の分散が平均の11–20%に抑えられる。
• 分散最適化プロトコルにより、クエリ回数の標準偏差が平均の8–12%にまで低下し、コスト増加を抑えつつ安定性が向上する。
• 本手法は $ O(\kappa \log(\kappa/\epsilon)) $ の漸近的スケーリングを維持し、最良の既知の漸近的性能と一致するが、定数係数を著しく改善する。
• 解析は問題に依存せず、アーキテクチャに依存せず、線形ソルバーをサブルーチンとして使用する量子アルゴリズムのエンドツーエンドコストモデリングに直接利用可能である。