[논문 리뷰] Explicit Quantum Circuits for Block Encodings of Certain Sparse Matrices

Daan Camps, Lin Lin외 2명|arXiv (Cornell University)|2022. 03. 19.

Quantum Computing Algorithms and Architecture인용 수 15

한 줄 요약

이 논문은 구조화된 희소 행렬의 블록 인코딩을 위한 명시적 양자 회로 구축을 제시하여, 양자 선형 대수 알고리즘의 효율적 구현을 가능하게 한다. 매트릭스 희소성 패턴과 값에 대한 오라클을 활용함으로써, 스 tochastic 및 판별 매트릭스와 같은 행렬에 대해 실용적인 양자 회로를 구현하였으며, 양자 워크를 통한 표적 정점 탐지에서 제곱근 속도 향상을 달성하였다. 이는 $n=6$ 큐비트를 사용한 QCLAB 시뮬레이션을 통해 검증되었다.

ABSTRACT

Many standard linear algebra problems can be solved on a quantum computer by using recently developed quantum linear algebra algorithms that make use of block encodings and quantum eigenvalue/singular value transformations. A block encoding embeds a properly scaled matrix of interest A in a larger unitary transformation U that can be decomposed into a product of simpler unitaries and implemented efficiently on a quantum computer. Although quantum algorithms can potentially achieve exponential speedup in solving linear algebra problems compared to the best classical algorithm, such gain in efficiency ultimately hinges on our ability to construct an efficient quantum circuit for the block encoding of A, which is difficult in general, and not trivial even for well-structured sparse matrices. In this paper, we give a few examples on how efficient quantum circuits can be explicitly constructed for some well-structured sparse matrices, and discuss a few strategies used in these constructions. We also provide implementations of these quantum circuits in MATLAB.

연구 동기 및 목표

• 양자 선형 대수 알고리즘에 필수적인 블록 인코딩을 위한 효율적 양자 회로를 구축하는 데 도전하는 것.
• 스토하스틱 및 판별 매트릭스와 같은 잘 구조화된 희소 매트릭스에 대한 명시적이고 실용적인 양자 회로 구축을 제공하는 것.
• 매트릭스의 희소성 패턴과 값에 대한 오라클을 양자 회로 설계 전략을 활용해 효율적으로 구현할 수 있는 방법을 제시하는 것.
• 스케일링 인자 $1/s$ 없이도 $A$ 매트릭스의 직접 블록 인코딩이 양자 워크 응용에 가능하다는 것을 보여주어, 스케일링된 인코딩 대비 효율성을 향상시키는 것.
• 표적 정점이 있는 그래프에서의 양자 워크 시뮬레이션을 QCLAB 기반 시뮬레이션을 통해 이 방법의 타당성을 검증하는 것.

제안 방법

• 저자들은 제어 회전 및 제어 연산을 사용하여 희소성 패턴과 비영인 값을 모두 인코딩하는 오라클을 설계하여 $s$-희소 매트릭스의 블록 인코딩을 구축한다.
• 양자 특이값 변환(QSVT) 프레임워크를 사용하여, 블록 인코딩된 유니터리 $U_A$의 제어 응용을 통해 다항식 함수, 예를 들어 체비셰프 다항식을 구현한다.
• 양자 워크의 경우, 전이 매트릭스 $P$와 관련된 판별 매트릭스 $D$의 블록 인코딩을 구성하여 $U_D^k$가 워크의 $k$단계를 시뮬레이션할 수 있도록 한다.
• 양자 워크를 초기화하기 위해 $\ket{\psi_0} = \ket{0^n}(H^{\otimes n}\ket{0^n})$ 상태를 준비하고, $\ket{0^n}$ 상태를 측정할 성공 확률을 모니터링한다.
• 회로는 QCLAB MATLAB 툴박스를 사용하여 구현되고 테스트되었으며, 전체 코드는 GitHub에서 이용 가능하다.
• 회로는 대칭 및 비대칭 $P$ 매트릭스 간의 차이를 $U_D^k$ 하에서 성공 확률 $p(\ket{0^n})$ 의 진화 분석을 통해 식별한다.

실험 결과

연구 질문

• RQ1 표준 $A/s$ 스케일링이 부족한 경우, 특히 잘 구조화된 희소 매트릭스에 대해 명시적 양자 회로를 어떻게 블록 인코딩할 수 있는가?
• RQ2 희소 매트릭스의 희소성 패턴과 비영인 값에 대한 오라클을 양자 회로에서 효율적으로 어떻게 실행할 수 있는가?
• RQ3 스케일링 인자 $1/s$ 없이도 $A$ 매트릭스의 직접 블록 인코딩이 양자 워크 응용에 가능할 수 있는가? 이는 알고리즘 효율성을 향상시킬 수 있는가?
• RQ4 $U_D^k$ 하에서 $\ket{0^n}$ 상태를 측정할 성공 확률은 어떻게 변화하는가? 이는 대칭 및 비대칭 전이 매트릭스를 식별할 수 있는가?
• RQ5 표적 정점을 탐지하기 위한 최적의 단계 수 $k$는 얼마이며, 이는 고전적 랜덤 워크와 비교해 어떻게 다른가?

주요 결과

• 비대칭 $P$의 경우 $U_D$가 판별 매트릭스를 인코딩할 때, $k = \lceil \pi\sqrt{N}/(2\sqrt{2}) \rceil$ 단계 후에 $\ket{0^n}$ 상태를 측정할 성공 확률이 $1/N$으로 떨어지며, 이는 표적 정점 탐지의 신호임을 나타낸다.
• 6 큐비트($N=64$)의 경우, 시뮬레이션 결과 두 상태(대칭 대 비대칭 $P$)는 $k_{\text{opt}} \approx 5.6$에서 최대로 구분 가능하며, 이는 이론적 예측을 확인한다.
• 이 방법은 제곱근 속도 향상을 달성한다: 고전적 경우 $\mathcal{O}(N)$ 단계 대비, 양자 워크를 통한 표적 정점 탐지는 $\mathcal{O}(\sqrt{N})$ 단계 내에 수행된다.
• 비대칭 케이스의 $D$에 대한 블록 인코딩은 고유값 $1$과 $1 - \delta = (N-1)/N$을 가지며, 최적의 $k$에서 $T_k(1 - \delta) \approx 0$이 되어 성공 확률를 최소화한다.
• QCLAB에서 블록 인코딩을 위한 명시적 양자 회로가 구현되었으며, 전체 소스 코드는 https://github.com/QuantumComputingLab/explicit-block-encodings 에서 이용 가능하다.
• 저자들은 그래프에서의 양자 워크 응용에 있어 $A/s$가 아닌 $A$의 직접 블록 인코딩이 가능함을 보여주었으며, $1/s$ 스케일링 인자로 인한 성능 저하를 피할 수 있다.