[논문 리뷰] Improved quantum algorithms for linear and nonlinear differential equations

Hari Krovi|arXiv (Cornell University)|2022. 02. 02.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 선형 및 비선형 상미분방정식(OEDs)을 해결하기 위한 현저히 향상된 양자 알고리즘을 제시하며, 이는 이전 연구를 확장하여 비대각화 가능하고 특이 행렬을 다룰 수 있도록 하면서 오차 의존성에 대해 지수적으로 향상된 성능을 달성한다. 런타임을 행렬 지수 노름을 통해 특성화하고 고급 블록 인코딩 기법을 활용함으로써, 더 넓은 범위의 ODE, 특히 비정규적이고 비대각화 가능한 행렬을 가진 소산성 비선형 시스템의 효율적 시뮬레이션을 가능하게 한다.

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.

연구 동기 및 목표

• 선형 ODE에 대한 양자 알고리즘의 적용 범위를 대각화 가능한 행렬을 넘어서 비대각화 가능하고 특이 행렬로 확장한다.
• 특히 비균일성과 비선형 시스템에 대해 이전 연구 대비 오차에 대한 지수적 향상된 의존성을 달성한다.
• 비선형성 행렬이 비정규적이거나 비대각화 가능한 경우에도 비선형 ODE에 대한 Carleman 선형화 접근법을 일반화한다.
• 대각화 가능성과 고유벡터 행렬의 조건수에 의존하지 않는 행렬 지수 노름 기반의 런타임 특성화를 제공한다.
• 스펙트럼 분해가 필요 없이 게이트 및 쿼리 복잡도를 제한함으로써 ODE 맥락에서 양자 선형 시스템 알고리즘(QLSA)의 효율성을 향상시킨다.

제안 방법

• 블록 인코딩 기법을 사용하여 행렬 함수, 특히 행렬 지수를 표현함으로써 선형 ODE의 효율적 양자 시뮬레이션을 가능하게 한다.
• 대각화 가능한 행렬을 초월하고 고유벡터 행렬의 조건수에 의존하지 않는, 행렬 지수의 노름에 기반한 새로운 런타임 상한을 도입한다.
• 비선형 ODE에 대해 개선된 선형 ODE 알고리즘을 Carleman 선형화를 통해 적용하여 비선형 시스템을 무한차원 선형 시스템으로 변환한다.
• Carleman 임bedding의 수준 1에서 잘라내기 기법을 구현하여 해를 근사하고, 편미분 분석을 통해 오차 한계를 도출한다.
• 고정밀도의 정규화된 해 상태를 추출하기 위해 양자 상태 준비와 확률 증폭을 사용하며, 오차 의존성이 로그 형태로 유지된다.
• 대각화가 필요 없이도 낮은 조건수와 유한한 게이트 복잡도를 유지하는 수정된 선형 시스템 설정을 구현한다.

실험 결과

연구 질문

• RQ1 비대각화 가능하고 특이 행렬에 대해서도 효율성을 유지하면서 선형 ODE에 대한 양자 알고리즘을 확장할 수 있는가?
• RQ2 대각화 가능성이나 조건수와 같은 스펙트럼 성질에 의존하지 않고도 행렬 지수 노름이 더 강력하고 일반적인 런타임 상한을 제공하는가?
• RQ3 비정규적 행렬에 대해서도 비선형 ODE에 대한 양자 알고리즘의 오차 의존성을 다항식에서 로그로 향상시킬 수 있는가?
• RQ4 비정규적이거나 비대각화 가능한 비선형 항을 가진 비선형 ODE에 대해 Carleman 선형화 접근법이 타당한가?
• RQ5 특히 프시도스펙트럼 이론을 사용할 경우 안정한 행렬에 대해 행렬 노름 ∥A∥를 스펙트럼 반경 ρ(A)로 대체함으로써 런타임 스케일링을 향상시킬 수 있는가?

주요 결과

• 비정규적이고 비대각화 가능한 행렬에 대해서도 이전 연구 대비 오차에 대한 지수적 향상된 의존성(로그 형태)을 달성한다.
• 런타임은 행렬 지수의 노름에 의해 제한되며, 이는 이전 방법이 실패하는 비대각화 가능하고 특이 행렬에 대해서도 적용 가능하게 한다.
• 고유벡터 행렬의 조건수가 높은 대각화 가능한 행렬에 대해서도, 게이트 복잡도가 [1]보다 지수적으로 향상된다. 이는 행렬의 로그-노름이 비음수일 경우에도 성립한다.
• 선형 부분의 로그-노름이 음수일 경우, 비정규적이고 비대각화 가능한 행렬을 가진 비선형 ODE도 성공적으로 처리할 수 있으며, 이는 [2]와 [3]에서 요구하는 정규성 조건을 초월한다.
• 자르기 수준 1에서 정확한 해 상태를 측정할 확률는 $1/(81N g_u^2)$ 이하로 제한되며, 이는 효율적인 상태 준비 및 추출을 보장한다.
• 최종 상태의 정밀도는 $\|y_1/\|y_1\| - u(T)/\|u(T)\|\| \leq \epsilon$ 를 만족하며, 목표 정밀도에 대해 오차가 로그 형태로 스케일링된다.