[论文解读] Challenges for quantum computation of nonlinear dynamical systems using linear representations

Yen Ting Lin, Robert B. Lowrie+3 more|arXiv (Cornell University)|Feb 4, 2022

Model Reduction and Neural Networks被引用 16

一句话总结

本文研究了在量子计算机上利用线性表示——特别是库普曼-冯·诺伊曼力学和库普曼表示——模拟非线性动力系统的方法。尽管在无限维希尔伯特空间中线性化非线性动力学具有理论潜力，但有限维投影不可避免地引入了不受控的数值伪影，限制了精度和可靠性，从而揭示了在实际量子模拟中处理一般非线性系统时的根本性挑战。

ABSTRACT

A number of recent studies have proposed that linear representations are appropriate for solving nonlinear dynamical systems with quantum computers, which fundamentally act linearly on a wave function in a Hilbert space. Linear representations, such as the Koopman representation and Koopman von Neumann mechanics, have regained attention from the dynamical-systems research community. Here, we aim to present a unified theoretical framework, currently missing in the literature, with which one can compare and relate existing methods, their conceptual basis, and their representations. We also aim to show that, despite the fact that quantum simulation of nonlinear classical systems may be possible with such linear representations, a necessary projection into a feasible finite-dimensional space will in practice eventually induce numerical artifacts which can be hard to eliminate or even control. As a result, a practical, reliable and accurate way to use quantum computation for solving general nonlinear dynamical systems is still an open problem.

研究动机与目标

• 建立一个统一的理论框架，用于比较非线性动力系统的线性表示，如库普曼和库普曼-冯·诺伊曼力学。
• 研究将无限维线性表示投影到有限维量子计算希尔伯特空间时的实际限制。
• 通过数值模拟证明，即使在低维非线性系统中，有限维截断也会引入不受控的误差。
• 阐明在量子模拟背景下，库普曼表示（对偶于佩龙-弗罗贝尼乌斯）与库普曼-冯·诺伊曼表示（佩龙-弗罗贝尼乌斯）之间的概念性区别。
• 评估在近似精度与计算保真度之间存在固有权衡的前提下，使用量子算法求解一般非线性经典系统是否具有可行性。

提出的方法

• 形式化一个统一框架，对经典非线性系统的线性表示进行分类，区分基于可观测量的库普曼表示与基于李乌维勒/库普曼-冯·诺伊曼的佩龙-弗罗贝尼乌斯公式。
• 通过在一维和二维非线性动力系统上的数值模拟，说明在卡列曼线性化和库普曼-冯·诺伊曼力学中，有限维投影的影响。
• 分析由于缺乏闭包方案而导致截断卡列曼线性化中的误差传播，进而引发发散预测。
• 研究库普曼-冯·诺伊曼力学中的空间离散化，其会引发类似吉布斯现象的现象，从而扭曲动力学的统计特性。
• 比较不同量子模拟方法的效率与精度，包括通过多体系统实现非线性薛定谔方程的平均场模拟。
• 评估基函数选择在有限维近似中的作用，以及缺乏通用的数据驱动方法来实现最优投影的现状。

实验结果

研究问题

• RQ1 量子计算机能否可靠地使用库普曼或库普曼-冯·诺伊曼力学等线性表示来模拟一般非线性动力系统？
• RQ2 将无限维线性表示投影到有限维量子希尔伯特空间时，其固有局限性是什么？
• RQ3 数值伪影（如截断中的不可控误差或吉布斯现象）如何影响非线性系统量子模拟的精度？
• RQ4 为何基于卡列曼线性化和平均场近似的现有方法尽管具有理论线性性，却在长时间演化后面临根本性的精度衰减？
• RQ5 在有限维近似约束下，量子算法在多大程度上能够克服经典方法在求解非线性系统时的局限性？

主要发现

• 在缺乏闭包方案的情况下，无限维线性表示（如卡列曼线性化）的有限维投影会引入不可控误差，导致预测发散。
• 在库普曼-冯·诺伊曼力学中，空间离散化会引发类似吉布斯现象的现象，从而扭曲细尺度动力学的分辨率并降低统计精度。
• 基于线性表示的量子模拟精度受限于有限的时间窗口，超过该窗口后，无论算法多么完美，数值伪影都会占主导地位。
• 尽管库普曼和库普曼-冯·诺伊曼公式在理论上是线性的，但其在量子计算机上的实际实现受限于有限维近似的必要性。
• 非线性薛定谔方程模拟中的平均场方法虽然高效，但其误差界会随时间呈指数增长，与截断卡列曼方法类似。
• 目前尚无通用方法用于选择有限维近似中的最优基函数，且简单的截断可能导致不稳定，凸显了这一关键开放挑战。