[论文解读] A Survey of Quantum Alternatives to Randomized Algorithms: Monte Carlo Integration and Beyond

Philip Intallura, Georgios Korpas+5 more|arXiv (Cornell University)|Mar 8, 2023

Quantum Computing Algorithms and Architecture被引用 8

一句话总结

本综述分析量子方法以替代或增强经典蒙特卡罗，聚焦于振幅估计及其变体以加速基于采样的不确定性量化。

ABSTRACT

Monte Carlo sampling is a powerful toolbox of algorithmic techniques widely used for a number of applications wherein some noisy quantity, or summary statistic thereof, is sought to be estimated. In this paper, we survey the literature for implementing Monte Carlo procedures using quantum circuits, focusing on the potential to obtain a quantum advantage in the computational speed of these procedures. We revisit the quantum algorithms that could replace classical Monte Carlo and then consider both the existing quantum algorithms and the potential quantum realizations that include adaptive enhancements as alternatives to the classical procedure.

研究动机与目标

• 在计算金融与不确定性量化等应用中推动更快的蒙特卡罗方法的需求
• 综述现有与新兴的可替代或增强经典蒙特卡罗过程的量子算法
• 评估自适应与硬件感知的量子蒙特卡罗技术变体
• 提供一个框架以比较经典混合时间与量子加速承诺
• 强调在近端设备上实现这些量子方法的实际考量

提出的方法

• 回顾量子振幅估计（QAE）及其通过达到 O(1/ε) 查询复杂度来替代蒙特卡罗采样的作用
• 描述量子振幅放大如何将 Grover 的方法泛化以估计积分和期望值
• 介绍量子近似计数作为估计布尔化函数值平均值的一种手段
• 讨论 Montanaro 的算法在带界方差的一般蒙特卡罗设置下的近二次加速
• 总结降低电路深度的实用变体（MLE-QAE、Iterative QAE、robust amplitude estimation）及 QPE/QAE 的并行化策略

实验结果

研究问题

• RQ1 在现实假设下，量子算法是否能够为蒙特卡罗积分提供二次或近二次加速？
• RQ2 容错与近端量子设备在量子蒙特卡罗中的权衡（深度、量子比特数量与噪声鲁棒性）？
• RQ3 自适应与变体方案（MLE-QAE、IQAE、RAE）在准确性、深度与在NISQ设备上的实用性方面有何比较？
• RQ4 量子增强混合时间对衍生品定价与风险评估等应用的影响？
• RQ5 如何并行化 QPE/QAE 在保持或提升准确性的同时降低门深度？

主要发现

• 在某些假设下，量子振幅估计可以实现相对于经典蒙特卡罗的二次加速
• 若干变体（MLE-QAE、Iterative QAE、RAE）降低了电路深度与硬件要求，提升了在NISQ设备的可用性
• Montanaro 的框架将量子加速扩展到具有界方差的广泛随机量子算法
• 并行化的 QPE/QAE 策略可降低门深度并提高对去相干的鲁棒性，使其在近端设备上有更深的应用
• 综述强调量子优势依赖于具体情境，并非对所有蒙特卡罗任务都普遍适用