[論文レビュー] Eigenpath Traversal by Poisson-Distributed Phase Randomisation

Pedro C. S. Costa, Dong An|arXiv (Cornell University)|Dec 12, 2023

Quantum Computing Algorithms and Architecture被引用数 3

ひとこと要約

本稿では、離散断続的量子ウォークを用いて線形方程式を効率的に解くために、ポアソン分布に従う位相ランダム化を用いた固有経路走破法を提案する。乱数行列を用いた数値シミュレーションの結果、量子ウォークコストの実際の定数係数は理論的上限値の約1,200分の1であり、元の上限値および競合するランダム化手法よりも実際には著しく効率的であることが判明し、平均コストは7倍改善されている。

ABSTRACT

The solution of linear systems of equations is the basis of many other quantum algorithms, and recent results provided an algorithm with optimal scaling in both the condition number $κ$ and the allowable error $ε$ [PRX Quantum extbf{3}, 040303 (2022)]. That work was based on the discrete adiabatic theorem, and worked out an explicit constant factor for an upper bound on the complexity. Here we show via numerical testing on random matrices that the constant factor is in practice about 1,200 times smaller than the upper bound found numerically in the previous results. That means that this approach is far more efficient than might naively be expected from the upper bound. In particular, it is about an order of magnitude more efficient than using a randomised approach from [arXiv:2305.11352] that claimed to be more efficient.

研究の動機と目的

• 線形方程式を解くための離散断続的量子ウォーク（QW）法の実用的効率を評価すること。この手法は最適な漸近的スケーリングを持つが、理論的定数係数が大きい。
• 数値シミュレーションを用いて、QW法とランダム化断続的法（RM）の実際の実行時間およびリソースコストを比較すること。
• QW法の定数係数に関する理論的上限値が、現実の性能を適切に反映しているかどうかを検証すること。
• 現実の誤差目標を想定した場合の、断続的遷移とフィルタリングステップを含む全体の複雑度を評価すること。

提案手法

• 離散断続的量子ウォーク（QW）法は、線形方程式の固有経路に沿って量子状態を進める。時間ステップは離散断続的定理に基づく。
• 非断続的遷移を抑制し、解状態への収束を向上させるために、進化位相にポアソン分布に従うランダム化を適用する。
• 本手法はまず固定ステップ数の量子ウォークを実行して低精度の解を得た後、精度を所望の誤差 ϵ まで向上させるためのフィルタリングステップを実施する。
• 比較のため、ランダム化法（RM）は進化時間をランダム化して量子ゼノン効果を模倣し、コストは O(κ log(κ/ϵ)) のスケーリングを示す。
• 16×16の乱数行列（条件数 κ=50）を用いた数値シミュレーションを行い、目標誤差 ϵ を変化させ、必要なウォークステップ数を測定する。
• コストは断続的遷移とフィルタリングの2つの部分に分解され、誤差 ϵ およびフィッティングパラメータ α（QW用）と β（RM用）の最適化により総コストを最小化する。

実験結果

リサーチクエスチョン

• RQ1 離散断続的量子ウォーク法における定数係数の理論的上限値は、乱数行列上での実際の性能を適切に反映しているか？
• RQ2 実際のコスト（総ステップ数およびリソース使用量）において、量子ウォーク法はランダム化断続的法に比べてどのように異なるか？
• RQ3 フィルタリングステップが総コストを支配しているのか、それとも現実の誤差目標において断続的遷移が主な貢献をしているのか？
• RQ4 ポアソン分布に従う位相ランダム化は、実際のところ必要な量子ウォークステップ数を著しく削減できるか？
• RQ5 数値的に測定した場合のQW法における有効な定数係数 α は何か？ また、理論的上限値と比較するとどうなるか？

主な発見

• 量子ウォーク法における実際の定数係数 α は 1.84 であり、先行研究で報告された理論的上限値 2305 より約1,200分の1小さい。
• 最適な漸近的スケーリングを持つにもかかわらず、元の理論的上限値は実際には必要とされるコストよりもはるかに高いと示唆されている。
• ランダム化法（RM）が以前は定数係数が小さいとされていたが、平均的に量子ウォーク法は約7倍効率的である。
• 現実の誤差目標（ϵ ≳ 0.0004）では、断続的遷移コストが総コストを支配するが、非常に小さな ϵ ではフィルタリングステップの寄与が顕著になる。
• 量子ウォーク法の総コストはフィルタリングコストと同等であり、場合によってはそれ以下になる。特に正定値行列や ϵ ≪ 1 の場合に顕著である。
• ランダム化法は、タイトな解析的境界があるものの、実際には量子ウォーク法よりもはるかにコストが高く、特に断続的遷移部分が著しく高価である。