[論文レビュー] Creating superpositions that correspond to efficiently integrable probability distributions

Lov K. Grover, Terry Rudolph|ArXiv.org|Aug 15, 2002

Quantum Computing Algorithms and Architecture被引用数 244

ひとこと要約

この論文は、累積分布関数が有効に計算可能な分布（例：対数凹型分布）の離散化された確率分布に対応する重ね合わせ状態を、再帰的な領域分割と古典的に計算された累積確率に基づく制御回転を用いて、効率的な量子アルゴリズムで準備する。主な貢献は、確率の平方根に比例する振幅を持つ量子状態をコherentに準備する方法であり、これにより後続の処理における量子干渉と速度向上が可能になる。

ABSTRACT

We give a simple and efficient process for generating a quantum superposition of states which form a discrete approximation of any efficiently integrable (such as log concave) probability density functions.

研究の動機と目的

• 離散化された確率分布 {pᵢ} に対応する量子重ね合わせ状態 |ψ⟩ = Σ√pᵢ|i⟩ を効率的に準備する方法を開発すること。
• 元の分布が有効に積分可能な場合（例：対数凹型分布）、そのような状態を効率的に作成できるかどうかを検討すること。
• ユニタリ操作による確率分布のコherentな操作を可能にすることで、古典的サンプリングを上回る量子優位性を実現すること。
• 非一様事前分布を用いた量子探索や、振幅推定によるフーリエ成分推定への応用を検討すること。
• 古典的確率分布に古典的確率的乱数を入力とせず、量子計算がコherentにアクセスできることを示すこと。

提案手法

• 確率分布の定義域を再帰的に細分化し、初期状態としてmキュービットの状態で領域確率を表す。
• 各領域iについて、f(i) = ∫_{iの左半分} p(x)dx / ∫_{領域i} p(x)dx を古典的に計算し、左半分に属する条件付き確率を求める。
• f(i) を量子回路でコherentに計算し、θᵢ = arccos(√f(i)) を用いてアーキテクチャレジスタを状態 |θᵢ⟩ に準備する。
• 追加のキュービットに対して、角度θᵢの制御回転を適用し、領域状態と entangle させて √pᵢ⁽ᵐ⁾|i⟩(cosθᵢ|0⟩ + sinθᵢ|1⟩) を得る。
• アーキテクチャレジスタをアンコンピュートして分離させ、状態をqubit数を増やした目的の形に保つ。
• nキュービットが得られるまでこのプロセスを繰り返し、N = 2ⁿ 個の状態の重ね合わせで振幅が √pᵢ となる状態を生成する。

実験結果

リサーチクエスチョン

• RQ1 累積分布関数が有効に積分可能な場合、量子コンピュータは離散化された確率分布 {pᵢ} に対応する重ね合わせ状態 |ψ⟩ = Σ√pᵢ|i⟩ を効率的に準備できるか？
• RQ2 古典的積分アルゴリズムが確率的であっても、そのような重ね合わせを、完全に量子操作のみでコherentに生成できるか？
• RQ3 この方法を用いて非一様事前分布を量子探索アルゴリズムに統合するにはどうすればよいか？
• RQ4 この重ね合わせを準備することで、古典的サンプリングと比較してどのような量子優位性が得られるか？
• RQ5 この手法を多次元確率分布へ拡張可能か？

主な発見

• 再帰的分割と制御回転を用いて、累積分布関数が有効に計算可能な離散化された確率分布に対応する量子重ね合わせ状態を効率的に準備するアルゴリズムが開発された。
• ガウス分布、指数分布、ポアソン分布など、すべての対数凹型分布に適用可能であり、これは累積分布関数が有効に計算可能であるためである。
• アーキテクチャキュービットを用いて回転角度をコherentに計算・適用することで、確率的古典的積分アルゴリズムを量子コンピュータ上でコherentにシミュレート可能である。
• 得られた重ね合わせ状態は、古典的サンプリングでは到達できない量子干渉効果（例：ウォルシュ＝ハダマード変換による非対数凹型出力分布の生成）を可能にする。
• この手法は、振幅推定や非一様事前分布を用いた量子探索への応用をサポートし、古典的対応物に対して2乗の速度向上を実現する可能性を有する。
• 構成はスケーラブルであり、N = 2ⁿ 個の状態が指数関数的に増加しても、累積分布関数が有効に積分可能であれば効率性を維持する。