[논문 리뷰] The cost of solving linear differential equations on a quantum computer: fast-forwarding to explicit resource counts

David Jennings, Matteo Lostaglio외 3명|arXiv (Cornell University)|2023. 09. 14.

Quantum Computing Algorithms and ArchitectureComputer Science참고 문헌 45인용 수 3

한 줄 요약

이 논문은 양자 컴퓨터에서 선형 상미분방정식(OEDs)을 시뮬레이션하기 위한 최초의 비점근적 자원 추정을 제공하며, 안정성 성질이 빠른 전진(fast-forwarding)을 가능하게 하여 음의 로그 노름을 가진 시스템의 경우 쿼리 복잡도를 O(√T)로 감소시킴을 보여준다. 일부 영역에서는 최신 기술보다 최대 4개의 자리수 개선을 달성하지만, 하미르토니안 역학은 빠른 전진 불가 정리에 따라 영향을 받는다.

ABSTRACT

How well can quantum computers simulate classical dynamical systems? There is increasing effort in developing quantum algorithms to efficiently simulate dynamics beyond Hamiltonian simulation, but so far exact resource estimates are not known. In this work, we provide two significant contributions. First, we give the first non-asymptotic computation of the cost of encoding the solution to general linear ordinary differential equations into quantum states -- either the solution at a final time, or an encoding of the whole history within a time interval. Second, we show that the stability properties of a large class of classical dynamics allow their fast-forwarding, making their quantum simulation much more time-efficient. From this point of view, quantum Hamiltonian dynamics is a boundary case that does not allow this form of stability-induced fast-forwarding. In particular, we find that the history state can always be output with complexity $O(T^{1/2})$ for any stable linear system. We present a range of asymptotic improvements over state-of-the-art in various regimes. We illustrate our results with a family of dynamics including linearized collisional plasma problems, coupled, damped, forced harmonic oscillators and dissipative nonlinear problems. In this case the scaling is quadratically improved, and leads to significant reductions in the query counts after inclusion of all relevant constant prefactors.

연구 동기 및 목표

• 선형 ODE를 해결하는 양자 알고리즘에 대해 점근적 분석을 넘어서 명시적이고 비점근적인 자원 수를 제공하는 것.
• 고전적 동역학 시스템의 안정성 성질이 양자 시뮬레이션에서 빠른 전진을 가능하게 하여 시뮬레이션 시간 스케일링을 감소시킬 수 있는지 조사하는 것.
• 양자 선형 시스템 해법기(QLSA) 자원 추정을 역학 시스템으로 확장하여 이력 상태 및 최종 상태 출력을 포함하는 것.
• 리아푸노프 기반 안정성(로그 노름)을 복잡도 분석에 통합하여 효율성을 향상시키는 프레임워크를 수립하는 것.
• 안정적인 시스템에서 음의 로그 노름을 가진 경우, 시뮬레이션 시간 T에 대해 비선형 스케일링이 발생함을 보여주며, 하미르토니안 역학과는 대조됨을 밝히는 것.

제안 방법

• 선형 ODE를 선형 방정식계 L y = c에 통합하여, 상태 준비를 위해 양자 선형 해법기(QLS) 서브루틴을 활용한다.
• 블록 인코딩 기법을 적용하여 시스템 행렬 A와 시간 진화 연산자를 표현함으로써, QLSA를 통한 효율적 양자 시뮬레이션을 가능하게 한다.
• 새로운 시스템 ẋ′ = A′x′로의 변환을 도입하여 음의 로그 노름을 가지게 하여 안정성에 기반한 시간 진화 압축을 통한 빠른 전진을 가능하게 한다.
• 시간 단계법과 이력 상태 인코딩을 사용하여 이산 시간에서 x(t)에 비례하는 양자 상태를 출력하며, 오차는 1-노름으로 제한된다.
• 참고문헌 [3]에서 제시된 비점근적 QLSA 경계를 활용하여, 정규화 계수와 실패 확률 보정을 포함한 명시적 쿼리 복잡도 표현식을 유도한다.
• 선형 해법기로의 감소를 통한 복잡도 하한선을 유도하여, 악성 경우 가정 하에 안정적인 시스템이 Ω(min(log^γ(1/ε), T^γ))의 자원을 요구함을 보여준다.

Figure 1: Query counts for negative log-norm systems. We consider homogeneous ODE systems $\dot{\boldsymbol{x}}=A\boldsymbol{x}$ for which $A$ has a negative log-norm $\mu=\lambda_{\textrm{max}}(A/2+A^{\dagger}/2)<0$ , $\|A\|=1$ and set $\epsilon=10^{-10}$ . (Main figure): For all such systems, the

실험 결과

연구 질문

• RQ1 고전적 동역학 시스템의 안정성 성질이 양자 시뮬레이션에서 시뮬레이션 시간 T에 대해 비선형 스케일링을 가능하게 할 수 있는가?
• RQ2 고장내성 양자 컴퓨터에서 선형 ODE를 시뮬레이션하기 위한 명시적이고 비점근적인 자원 비용(쿼리 수, 큐비트 수요)은 무엇인가?
• RQ3 음의 로그 노름 시스템을 통한 빠른 전진이 기존의 표준 양자 ODE 시뮬레이션 접근법에 비해 쿼리 복잡도에 어떤 영향을 미치는가?
• RQ4 상수 정규화 계수와 비점근적 경계가 이전의 점근적 분석에 비해 양자 ODE 시뮬레이션의 실용적 관련성을 얼마나 향상시키는가?
• RQ5 왜 하미르토니안 역학은 여전히 빠른 전진 영역 외부에 있으며, 이는 빠른 전진 불가 정리와 어떻게 일치하는가?

주요 결과

• 음의 로그 노름(안정 시스템)을 가진 선형 ODE의 경우, 쿼리 복잡도는 O(√T)로 스케일링되며, 최신 점근적 분석 대비 최대 4개 자리수의 개선을 달성한다.
• T ∈ [10⁶, 10¹⁵] 및 ε = 10⁻¹⁰일 때, 이력 상태 출력에 대한 명시적 자원 수는 11,900√T log(T)와 10,300T log(T) 사이로 제한된다.
• 음의 로그 노름을 가진 시스템으로의 변환은 빠른 전진을 가능하게 하지만, 오차 제약 조건 ε′_TD = e^(-zT)ε_TD는 Ω(T) 복잡도 하한선을 복원하여 빠른 전진 불가 정리와의 일관성을 유지한다.
• A⁻¹b가 평형점인 안정 시스템은 장시간 한계에서 선형 해법기로 감소하며, 악성 경우 가정 하에 복잡도 하한선이 Ω(min(log^γ(1/ε), T^γ))가 된다.
• 이 프레임워크는 이전의 QLSA 경계를 역학 시스템으로 확장하여, 실패 확률 보정을 포함한 기대 쿼리 수에 대한 명시적 공식을 제공한다.
• 하미르토니안 역학(A = -iH)은 경계 사례이다: 안정성 기반 빠른 전진을 허용하지 않으며, 이는 빠른 전진 불가 정리와 일치한다.

Figure 2: Algorithm schematics. ODE algorithm schematics. (Red, dashed): classical precomputations. (Blue, solid): quantum operations. The algorithm reduces solving the ODE to solving a linear system of equations. O1, O2, O3 are the three oracles given on the previous page.