[论文解读] Rapid sampling through quantum computing

Lov K. Grover|ArXiv.org|Dec 1, 1999

Quantum Computing Algorithms and Architecture参考文献 10被引用 24

一句话总结

本文提出了一种量子算法，可在 O(√N) 步内生成对应于任意经典概率分布的量子叠加态，显著快于经典方法所需的 O(N) 步。通过将量子搜索框架扩展至处理多个解，该算法利用酉变换和幅值放大，通过干涉效应将量子态旋转至目标分布。

ABSTRACT

This paper extends the quantum search class of algorithms to the multiple solution case. It is shown that, like the basic search algorithm, these too can be represented as a rotation in an appropriately defined two dimensional vector space. This yields new applications - an algorithm is presented that can create an arbitrarily specified quantum superposition on a space of size N in O(sqrt(N)) steps. By making a measurement on this superposition, it is possible to obtain a sample according to an arbitrarily specified classical probability distribution in O(sqrt(N)) steps. A classical algorithm would need O(N) steps.

研究动机与目标

• 开发一种量子算法，能够制备对应于给定经典概率分布的任意量子叠加态。
• 将量子搜索算法扩展至处理多个目标态，实现对非均匀分布的高效采样。
• 证明量子计算可在 O(√N) 步内完成采样，而经典算法需 O(N) 步。
• 提供一种通用框架，支持使用任意酉变换和幅值控制的量子算法，超越单解搜索的限制。

提出的方法

• 该算法使用 Walsh-Hadamard 变换在 N 个基态上创建初始的均匀叠加态。
• 通过选择性相位翻转标记目标态，基于其期望概率，使用函数 f(x) 编码目标分布。
• 核心操作结合酉变换 U1 和 U2 实现幅值放大，将态旋转至期望的叠加态。
• 该算法利用二维希尔伯特空间中的干涉效应，将系统旋转至目标态，类似于量子搜索但已推广至多解情形。
• 通过迭代应用 Grover 算子，将迭代次数调节为 √N 以实现最优收敛。
• 对最终态进行测量，使系统坍缩为符合期望概率分布的样本，且在 O(√N) 步后具有高保真度。

实验结果

研究问题

• RQ1 能否将量子算法扩展，以比经典方法更高效地生成 N 个点上的任意概率分布？
• RQ2 如何将幅值放大方法适配至处理具有非均匀概率的多个目标态？
• RQ3 制备与任意经典分布匹配的叠加态所需的最少量子步骤数是多少？
• RQ4 能否将量子搜索框架推广至单解问题之外，以支持任意酉演化和概率加权？
• RQ5 干涉在实现更快收敛至目标叠加态方面起到何种作用？

主要发现

• 该算法在 O(√N) 步内制备出对应于任意经典概率分布的量子叠加态，相比经典 O(N) 采样实现二次加速。
• 通过将目标分布视为加权叠加态，该方法将量子搜索算法推广至多解情形，且步骤数取决于最大幅值概率的平方根倒数。
• 该算法通过在二维子空间中对初始态执行一系列酉操作序列，实现目标叠加态的旋转，类似于标准 Grover 搜索。
• 当目标分布为均匀分布时，该算法退化为标准 Grover 搜索，且所需步数与原始算法完全相同。
• 即使初始态为任意叠加态而非仅计算基态，该框架依然有效，只需在适当基下重新定义相位翻转操作。
• 通过精心选择运行时间进行重复试验，成功制备目标态的概率随试验次数呈指数增长，从而确保高保真度采样。