[논문 리뷰] Quantum vs. classical algorithms for solving the heat equation

Noah Linden, Ashley Montanaro외 1명|arXiv (Cornell University)|2020. 04. 14.

Quantum Computing Algorithms and Architecture참고 문헌 31인용 수 10

한 줄 요약

이 논문은 d차원 공간에서 열 방정식을 해결하기 위한 고전적 알고리즘과 양자 알고리즘을 비교하며, 공간 영역 내 총 열을 근사하는 데 초점을 맞춘다. d ≥ 2인 경우, 양자 알고리즘 중 확률적 추정 기반의 것들은 고전적 방법보다 최대 제곱근 수준의 가속도를 제공할 뿐이며, 양자 선형 시스템 해법은 최고의 고전적 접근 방식을 능가하지 못함을 발견한다. 이는 PDE 해법에서의 지수적 양자 우월성 주장에 도전한다.

ABSTRACT

Quantum computers are predicted to outperform classical ones for solving partial differential equations, perhaps exponentially. Here we consider a prototypical PDE - the heat equation in a rectangular region - and compare in detail the complexities of ten classical and quantum algorithms for solving it, in the sense of approximately computing the amount of heat in a given region. We find that, for spatial dimension $d \ge 2$, there is an at most quadratic quantum speedup using an approach based on applying amplitude estimation to an accelerated classical random walk. However, an alternative approach based on a quantum algorithm for linear equations is never faster than the best classical algorithms.

연구 동기 및 목표

• 편미분방정식(PDE)을 해결하는 데 있어 고전적 알고리즘과 양자 알고리즘을 비교하는 기준을 설정하기 위해 열 방정식을 대표적인 사례로 삼는다.
• 실제 계산 제약 조건 하에서 양자 알고리즘이 고전적 방법보다 진정으로 가속도를 낼 수 있는지 평가한다.
• 시간, 공간, 정확도 측면에서 고전적 알고리즘과 양자 알고리즘의 복잡도를 평가하여, 초기 조건과 적분값을 비용 없이 정확히 확보할 수 있다고 가정함으로써 공정한 비교를 확보한다.
• HHL 유형의 선형 시스템 해법에 기반한 양자 알고리즘이 고전적 방법보다 뛰어나게 성능을 내는지, 아니면 고전적 랜덤 워크 기반 접근 방식이 여전히 승리하는지 조사한다.
• 특히 차원 수와 오차 허용 범위에 따라 PDE 해법에서의 양자 우위의 정도를 규명한다.

제안 방법

• 주기적 경계 조건을 가진 d차원 초입방체 공간에서 열 방정식의 유한 차분 이산화를 사용한다.
• 해를 근사하기 위해 고전적 랜덤 워크 방법을 적용하며, 오차 ε에 대해 복잡도가 O(TLdαζ/ε)로 증가한다.
• 확률적 추정을 적용하여 고전적 랜덤 워크 샘플링을 가속화함으로써 동일한 오차에 대해 복잡도를 O((T L d α ζ)/ε^{1/2})로 감소시킨다.
• 이러한 양자 가속 랜덤 워크 접근 방식을 HHL 유형의 방법을 통해 선형 시스템을 해결하는 양자 알고리즘과 비교한다.
• 고전적 알고리즘과 양자 알고리즘 간의 비교를 편향시키지 않기 위해 초기 조건 u₀ 및 영역에 대한 적분값에 정확한 접근을 가정한다.
• 가짜 랜덤 수 생성기를 사용하여 양자 공간 오버헤드를 O(m)에서 O(log m)로 감소시켜, 다항로그 시간 복잡도의 양자 시뮬레이션을 가능하게 한다.

실험 결과

연구 질문

• RQ1 열 방정식을 해결할 때 양자 알고리즘이 고전적 알고리즘보다 가속도를 낼 수 있는가? 만약 가능하다면, 얻을 수 있는 최대 가속도는 얼마인가?
• RQ2 선형 시스템을 해결하는 데 기반한 양자 알고리즘(HHL 유형)이 열 방정식을 해결하는 데 있어 최고의 고전적 알고리즘을 능가하는가?
• RQ3 양자 가속도는 지수적일까 다항식일까? 그리고 이는 공간 차원 수 d에 따라 어떻게 달라지는가?
• RQ4 확률적 추정을 고전적 랜덤 워크 시뮬레이션에 효과적으로 적용하여 PDE 해법에서 양자 가속도를 달성할 수 있는가?
• RQ5 특히 고전적 랜덤 워크를 시뮬레이션할 때, 양자 알고리즘의 시간 복잡도와 공간 복잡도 사이의 상호 교환 관계는 어떠한가?

주요 결과

• d ≥ 2인 경우, 가장 빠른 양자 알고리즘은 고전적 방법보다 최대 제곱근 수준의 가속도를 달성하며, 이는 고전적 랜덤 워크에 확률적 추정을 적용함으로써 달성된다.
• 선형 시스템을 해결하는 데 기반한 양자 알고리즘(HHL 유형)은 이론적으로 기대되는 지수적 가속도에 비해 최고의 고전적 알고리즘보다 항상 느리며, 이는 고전적 방법의 성능을 능가하지 못한다.
• 확률적 추정을 적용한 양자 랜덤 워크의 복잡도는 O((T L d α ζ)/ε^{1/2})이며, 이는 고전적 방법의 O(T L d α ζ/ε)보다 1/ε^{1/2}의 요소로 향상된다.
• 양자 랜덤 워크의 공간 복잡도는 O(m) = O(T² d² α² ζ / ε)이며, 이는 고전적 방법의 O(d log n)에 비해 상당히 열악한 편이다. 다만 가짜 랜덤 수 생성기를 사용할 경우 이를 개선할 수 있다.
• Nisan의 가짜 랜덤 수 생성기를 사용하면 공간 오버헤드를 다항로그 수준으로 줄일 수 있어, 양자 알고리즘이 공간 효율적이게 된다.
• 결과적으로 PDE 해법에서의 명백한 지수적 양자 가속도는 과대평가되었을 가능성이 있으며, 특히 고차원에서 고전적 방법(예: 랜덤 워크)이 여전히 경쟁력이 있을 수 있음을 시사한다.