[논문 리뷰] Quantum algorithm for solving linear systems of equations

Aram W. Harrow|arXiv (Cornell University)|2008. 11. 19.

Quantum Computing Algorithms and Architecture인용 수 49

한 줄 요약

이 논문은 해 벡터 위의 연산자에 대한 기대값을 추정할 때, 고전적 방법보다 지수적으로 빠른 속도로 선형 연립방정식을 해결하는 양자 알고리즘을 제시한다. 양자 위상 추정과 해밀토니안 시뮬레이션을 활용하여, 알고리즘은 poly(log N, κ)의 런타임을 달성하며, 조건 수 κ가 낮고 희소인 행렬에 대해 고전적 O(N√κ) 방법에 비해 지수적 스피드업을 제공한다.

ABSTRACT

Solving linear systems of equations is a common problem that arises both on its own and as a subroutine in more complex problems: given a matrix A and a vector b, find a vector x such that Ax=b. We consider the case where one doesn't need to know the solution x itself, but rather an approximation of the expectation value of some operator associated with x, e.g., x'Mx for some matrix M. In this case, when A is sparse, N by N and has condition number kappa, classical algorithms can find x and estimate x'Mx in O(N sqrt(kappa)) time. Here, we exhibit a quantum algorithm for this task that runs in poly(log N, kappa) time, an exponential improvement over the best classical algorithm.

연구 동기 및 목표

• 선형 연립방정식 Ax = b의 해 벡터 위에서 연산자에 대한 기대값을 효율적으로 추정하는 양자 알고리즘을 개발한다.
• 조건 수 κ가 낮은 큰 희소 선형 연립방정식을 풀 때 고전 알고리즘에 비해 지수적 스피드업을 달성한다.
• 기계학습이나 최적화와 같은 애플리케이션에서 해 벡터에 대한 부분 정보만 필요할 경우 실용적인 양자 우위를 가능하게 한다.
• 행렬 역행렬 추정 문제에 대한 오차와 런타임의 하한을 증명하여 양자 스피드업의 한계를 체계화한다.

제안 방법

• 암함수 인코딩을 사용하여 입력 벡터 b를 양자 상태 |b⟩로 표현한다.
• 시간 간격의 중첩을 포함한 초전도체 시간 간격에 대해 e^{iAt}의 유니터리 연산에 따라 |b⟩를 시뮬레이션한다.
• 양자 위상 추정을 사용하여 |b⟩를 A의 고유기저로 투영하고 고유값 λj를 추정한다.
• |λj⟩를 |λj⟩로 변환하는 제어 회전을 적용하여, 비례 상수로 λj^{-1}에 비례하는 진폭을 갖도록 하여, A^{-1}을 효과적으로 구현한다.
• 고유값 레지스터를 정리하고, 결과 상태 |x⟩ = A^{-1}|b⟩를 측정하여 양자 측정을 통해 ⟨x|M|x⟩를 추정한다.
• 암함수 추정을 사용하여 오차를 제어하면서 ⟨x|M|x⟩의 고정밀도 추정을 달성한다.

실험 결과

연구 질문

• RQ1 고전적 방법보다 빠르게 Ax = b의 해 x에 대한 ⟨x|M|x⟩ 기대값을 추정할 수 있는 양자 알고리즘이 존재하는가?
• RQ2 이러한 기대값을 추정하는 데 최적의 양자 런타임은 무엇이며, N, κ, ε에 따라 어떻게 스케일링되는가?
• RQ3 이 알고리즘은 악조건 행렬에 대해 강건하게 만들 수 있으며, 이러한 경우의 제약은 무엇인가?
• RQ4 양자 행렬 역행렬 알고리즘의 오차 의존성에 대한 본질적 한계는 무엇인가?
• RQ5 행렬 역행렬에 대한 양자 스피드업이 BQP = PP와 같은 더 강력한 복잡도론적 결과를 암시하는가?

주요 결과

• ⟨x|M|x⟩를 추가 오차 ε 이내로 추정하기 위해 알고리즘은 Õ(log N ⋅ κ² ⋅ s² / ε³)의 런타임을 달성하며, κ와 1/ε가 N에 대해 다항로그일 경우 고전적 O(N√κ) 방법에 비해 지수적 스피드업을 제공한다.
• 희소하고 잘 조절된 행렬의 경우, 알고리즘은 poly(log N, κ) 시간 내에 실행되며, 이는 시스템 크기 N에 대해 고전적 방법보다 지수적으로 빠르다.
• 오차 ε에 대한 알고리즘의 오차 의존성은 poly(1/ε) 이하로 개선될 수 없으며, 이는 BQP = PP를 암시하는 강력한 복잡도론적 결과이므로, 이는 본질적인 제약이다.
• 상대화된 하한을 통해, 어떤 양자 알고리즘도 N^α ⋅ poly(κ)/ε^β 시간 내에 행렬 역행렬 추정 문제를 해결할 수 없으며, α + β ≥ 1이어야 함을 보여주며, 이는 오차 스케일링에 대한 본질적 한계를 시사한다.
• 정규화 및 조건화 기법을 통해 비에르미트성 또는 역행렬이 존재하지 않는 행렬을 다룰 수 있도록 알고리즘을 변형할 수 있으나, 이 경우 런타임이 증가한다.
• 이 방법은 전체 상태 톰오그래피 없이도 해 벡터의 다양한 특성, 예를 들어 정규화, 가중합, 모멘트 등을 효율적으로 추정할 수 있다.