[논문 리뷰] Quantum estimation bound of Gaussian matrix permanent

Joonsuk Huh|arXiv (Cornell University)|2022. 05. 03.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 라이저의 공식을 양자 오버랩 적분으로 재구성하여 행렬의 행렬식을 다항 시간 내에 지수적으로 작은 덧셈 오차로 효율적으로 추정할 수 있는 최초의 양자 알고리즘을 제시한다. 이 방법은 고전적 샘플링 알고리즘을 능가함으로써 양자 우월성을 확보하며, BQP 대 PH와 같은 핵심 복잡도 이론 문제를 해결할 가능성이 있다.

ABSTRACT

Exact calculation and even multiplicative error estimation of matrix permanent are challenging for both classical and quantum computers. Regarding the permanents of random Gaussian matrices, the additive error estimation is closely linked to boson sampling, and achieving multiplicative error estimation requires exponentially many samplings. Our newly developed formula for matrix permanents and its corresponding quantum expression have enabled better estimation of the average additive error for random Gaussian matrices compared to Gurvits' classical sampling algorithm. The well-known Ryser formula has been converted into a quantum permanent estimator. When dealing with real random Gaussian square matrices of size $N$, the quantum estimator can approximate the matrix permanent with an additive error smaller than $ε(\sqrt{\mathrm{e}N})^{N}$, where $ε$ is the estimation precision. In contrast, Gurvits' classical sampling algorithm has an estimation error of $ε(2\sqrt{N})^{N}$, which is exponentially larger ($1.2^{N}$) than the quantum method. As expected, the quantum additive error bound fails to reach the multiplicative error bound of $(2πN)^{1/4}ε(\sqrt{N/\mathrm{e}})^{N}$. Additionally, the quantum permanent estimator can be up to quadratically faster than the classical estimator when using quantum phase estimation-based amplitude estimation.

연구 동기 및 목표

• 행렬 행렬식 추정을 위한 실용적인 양자 알고리즘을 개발하여, #P-난이도 문제에서 양자 계산 우위를 입증한다.
• 양자 오버랩 적분과 양자 시뮬레이션 기법을 활용하여 고전적으로 해석이 불가능한 행렬식 계산 문제를 극복한다.
• 행렬 행렬식과 양자 이징 해밀토니안의 실시간 분할 함수 사이의 관계를 수립한다.
• 고전적 샘플링 알고리즘인 굴리비츠의 알고리즘을 뛰어넘는 지수적으로 작은 덧셈 오차를 달성하는 양자 프로토콜을 제공한다.
• 특히 BQP와 다항시간계층(PH) 간의 관계를 포함한 양자 복잡도 이론에 대한 영향을 탐색한다.

제안 방법

• multiplicative 오차 추정을 위한 단일 양자 오버랩 적분으로, additive 오차 추정을 위한 이러한 적분의 다항식 합으로 라이저의 공식을 재구성하였다.
• 시간 순서 정렬된 지수적 진화와 유니터리 연산자를 사용하여 행렬식을 양자 진폭으로 표현함으로써 양자 계산을 가능하게 하였다.
• 타임-에볼루션 연산자의 근사화를 위해 트로터-수즈키 분해를 적용하였으며, 해밀토니안 노름을 기반으로 오차 한계를 유도하였다.
• 효율적 해밀토니안의 노름에 기반한 수렴 조건을 도입하여 양자 시뮬레이션의 안정성과 정확도를 확보하였다.
• 특히 실수 행렬의 경우 대칭성과 실수부 추정을 활용하여 필요한 양자 오버랩 적분의 수를 감소시켰다.
• 고온 및 유한차분 근사화를 통해 오차 한계를 수립하였으며, 특정 매개변수 조건 하에서 총 오차가 지수적으로 작아짐을 도출하였다.

실험 결과

연구 질문

• RQ1 지수적으로 작은 오차로 고전적 샘플링 방법을 뛰어넘는 효율적인 양자 알고리즘이 행렬의 행렬식을 추정할 수 있는가?
• RQ2 제안된 행렬식 추정을 위한 양자 프로토콜이 고전 계산에 비해 양자 우월성을 보이는가?
• RQ3 행렬 행렬식과 양자 이징 해밀토니안의 실시간 분할 함수 사이의 관계는 무엇인가?
• RQ4 이 양자 알고리즘이 행렬식 추정을 하위지수적 또는 다항시간 내에 수행할 수 있으며, 열려 있는 복잡도 이론 문제를 해결할 수 있는가?
• RQ5 어떤 조건에서 이 양자 알고리즘이 지수적으로 작은 덧셈 오차를 달성하며, 굴리비츠의 고전적 알고리즘과 비교해 볼 때 어떤가?

주요 결과

• 양자 알고리즘은 $ \epsilon_{\text{Tot}} \leq \epsilon_{\text{C}} \left( \frac{4e}{N\Delta t} \right)^N $ 형식의 지수적으로 작은 총 오차 상한을 달성하며, 조건 $ \frac{4e}{N} < \Delta t \leq \frac{4}{\|\mathcal{H}(A)\|} $ 하에서 이를 지수적으로 작게 만들 수 있다.
• 가우시안 행렬의 경우, 알고리즘의 덧셈 오차 상한은 $ \epsilon \sqrt{N!} $ 정밀도를 확보할 경우 다항시간계층을 제3레벨로 축소시킴을 시사하며, 이는 #P-난이도를 시사한다.
• 복소수 행렬의 경우 알고리즘이 오직 $ \mathcal{O}(N^3) $ 개의 양자 오버랩 적분만 필요로 하며, 이는 다항 시간 비용이며 대칭성 덕분에 실수부 평가 수가 절반으로 줄어든다.
• 수렴 조건 $ \|\mathcal{H}(A)\|\Delta t / 4 \leq 1 $ 는 안정성과 정밀한 오차 한계 유도를 보장한다.
• 이 방법은 행렬 행렬식과 양자 이징 해밀토니안의 실시간 분할 함수 사이에 직접적인 계산 복잡도 연결을 수립한다.
• 알고리즘은 BQP 대 PH 문제를 해결할 잠재적 길을 제공하며, 효율적인 행렬식 추정이 가능하다면 $ \text{BQP} = \text{P}^{\#\text{P}} $ 를 의미함을 시사한다. 이는 놀랍지만 납득할 만한 결과이다.