[논문 리뷰] Quantum algorithm for time-dependent differential equations using Dyson series

Dominic W. Berry, Pedro C. S. Costa|arXiv (Cornell University)|2022. 12. 07.

Quantum Computing Algorithms and Architecture참고 문헌 17인용 수 7

한 줄 요약

이 논문은 블록 인코딩을 통해 해를 양자 상태로 인코딩하고 최적의 양자 선형 시스템 해법을 사용하여 시간에 따라 변하는 선형 미분방정식을 해결하기 위한 양자 알고리즘을 제시한다. Dyson 급수를 사용하여 시간 순서화된 진화를 모델링하며, 오차와 도함수 의존성에 대해 로그 스케일링을 달성하고, 진화 시간에 대해 선형, 정밀도에 대해 로그 스케일링으로 복잡도가 증가한다. 이는 고차원에서 고전적 방법에 비해 지수적 속도 향상을 제공한다.

ABSTRACT

Time-dependent linear differential equations are a common type of problem that needs to be solved in classical physics. Here we provide a quantum algorithm for solving time-dependent linear differential equations with logarithmic dependence of the complexity on the error and derivative. As usual, there is an exponential improvement over classical approaches in the scaling of the complexity with the dimension, with the caveat that the solution is encoded in the amplitudes of a quantum state. Our method is to encode the Dyson series in a system of linear equations, then solve via the optimal quantum linear equation solver. Our method also provides a simplified approach in the case of time-independent differential equations.

연구 동기 및 목표

• 시간에 따라 변하는 선형 미분방정식을 효율적으로 해결할 수 있는 양자 알고리즘을 개발한다.
• 특히 차원 증가에 따라 복잡도가 급격히 증가하는 고전적 방법과는 대비하여, 이러한 방정식을 양자 방법으로 해결하는 데 도전한다.
• 시간 순서화된 진화를 위해 Dyson 급수를 활용하고, 이를 효율적으로 해결할 수 있는 양자 선형 시스템으로 인코딩한다.
• 오차와 도함수에 대해 로그 의존성을 달성하여 이전 방법에 비해 복잡도 분석을 단순화한다.
• 시간에 따라 변하는 경우와 변하지 않는 경우에 모두 적용 가능한 통합적이고 단순화된 프레임워크를 제공한다.

제안 방법

• 계수 행렬 A(t)의 시간 순서화된 진화를 위한 Dyson 급수를 사용하여 해를 동차 및 비동차 부분으로 분해한다.
• 블록 인코딩을 통해 Dyson 급수를 블록 행렬 구조로 인코딩하며, 해밀토니안 시뮬레이션에서 사용된 방법과 유사하다.
• Dyson 급수에서 유도된 선형 방정식 시스템을 Costa 등(2021)의 최적 양자 선형 시스템 해법을 사용하여 해결한다.
• U_A, U_b, U_x 단위행렬을 각각 A(t), 비동차 항 b(t), 그리고 초기 상태 x₀를 인코딩하는 데 사용한다.
• 고정밀도 상태를 준비하기 위해 앰플리튜드 강화를 적용하며, 호출 횟수는 오차의 역수에 대해 로그 스케일링으로 증가한다.
• A(t)가 대각화 가능할 필요가 없으며, 복잡도 한계를 단순화하기 위해 로그 노름(logarithmic norm)을 사용한다.

실험 결과

연구 질문

• RQ1 Dyson 급수를 효율적으로 양자 선형 시스템에 인코딩하여 오차 스케일링이 로그인 시간에 따라 변하는 미분방정식을 해결할 수 있는가?
• RQ2 시간에 따라 변하는 선형 미분방정식을 풀 때의 복잡도는 진화 시간 T, 오차 ε, 그리고 A(t)와 b(t)의 도함수에 대해 어떻게 스케일링되는가?
• RQ3 해밀토니안 시뮬레이션에서 사용된 블록 인코딩 접근법을 시간에 따라 변하는 선형 상미분방정식에 적응시켜 복잡도 분석을 향상시킬 수 있는가?
• RQ4 양자 알고리즘에서 U_A, U_b, U_x에 대한 호출 횟수의 스케일링은 어떻게 되며, 이는 이전 작업과 어떻게 비교되는가?
• RQ5 시간에 따라 변하지 않는 경우에 대해 복잡도 분석을 단순화할 수 있는가? 이 경우는 시간에 따라 변하는 공식의 특수한 경우이다.

주요 결과

• U_b와 U_x에 대한 호출 횟수는 O(ℛλT log(1/ε))이며, U_A에 대한 호출 횟수는 O(ℛλT log(1/ε) log(λT/ε))이며, 추가 게이트 수는 O(ℛλT log(1/ε) log²(λT/ε))로 증가한다.
• 오차 의존성은 1/ε에 대해 로그 스케일링이며, 이는 양자 알고리즘에서 최적이며 다항식 또는 선형 스케일링보다 상당한 향상이다.
• 해당 방법은 고전적 해법에 비해 차원에 대해 지수적 속도 향상을 제공하며, 오차와 A(t), b(t)의 도함수에 대해 여전히 로그 의존성을 유지한다.
• 복잡도 스케일링은 총 진화 시간 T와 블록 인코딩 매개변수 λ에 대해 선형이며, 정밀도에 대해 로그 스케일링이다.
• 이전 작업과 비교해 추가적인 행을 블록 행렬에 포함하지 않으며, 해밀토니안 시뮬레이션과 유사한 Dyson-시리즈 기반의 블록 인코딩을 사용함으로써 분석을 단순화한다.
• 시간에 따라 변하지 않는 경우에 대해서도 간단한 복잡도 표현식을 도출하며, 오차에 대해 동일한 로그 스케일링을 유지하고 시스템 매개변수에 대한 의존성의 명확성이 향상된다.