[论文解读] An Improvement in Quantum Fourier Transform

László Gyöngyösi, Sándor Imre|arXiv (Cornell University)|Jul 18, 2012

Quantum Computing Algorithms and Architecture参考文献 21被引用 3

一句话总结

本文提出了一种新颖的量子SVD算法，通过在量子框架内利用奇异值分解（SVD），提升了标准量子傅里叶变换（QFT）的精度。在保持与标准QFT相同计算复杂度的前提下，量子SVD方法实现了显著更高的精度，并整合了量子搜索的优势，为量子算法提供了更精确的变换。

ABSTRACT

Singular Value Decomposition (SVD) is one of the most useful techniques for analyzing data in linear algebra. SVD decomposes a rectangular real or complex matrix into two orthogonal matrices and one diagonal matrix. In this work we introduce a new approach to improve the preciseness of the standard Quantum Fourier Transform. The presented Quantum-SVD algorithm is based on the singular value decomposition mechanism. While the complexity of the proposed scheme is the same as the standard Quantum Fourier Transform, the precision of the Quantum-SVD approach is some orders higher. The Quantum-SVD approach also exploits the benefits of quantum searching.

研究动机与目标

• 解决标准量子傅里叶变换（QFT）在量子计算应用中的精度限制问题。
• 开发一种量子算法，在不增加计算复杂度的前提下提升变换精度。
• 将奇异值分解（SVD）的优势整合到量子计算中，以增强矩阵处理能力。
• 利用量子搜索机制进一步优化改进后QFT的性能。
• 为量子算法和数据处理提供更精确、更可靠的量子变换。

提出的方法

• 所提出的方法引入了一种量子SVD算法，将QFT的酉矩阵通过SVD分解为正交矩阵与奇异值的对角矩阵。
• 该算法保持与标准QFT相同的电路复杂度，确保门数和深度无额外开销。
• 利用量子搜索技术加速识别和处理SVD分解中的关键组件。
• 通过量子叠加与纠缠，高效表示和操作奇异值与奇异向量。
• 基于奇异值使用受控旋转门实现变换，确保高精度的态制备。
• 该方法设计为与现有量子电路架构及错误缓解技术兼容。

实验结果

研究问题

• RQ1 奇异值分解（SVD）能否被有效适配以提升量子傅里叶变换的精度？
• RQ2 在QFT框架中集成SVD是否能在保持相同计算复杂度的同时提升精度？
• RQ3 在多大程度上可利用量子搜索技术优化基于SVD的QFT过程？
• RQ4 在保真度与抗错能力方面，量子SVD算法与标准QFT相比表现如何？
• RQ5 所提出方法能否推广至QFT以外的其他量子线性代数运算？

主要发现

• 尽管电路复杂度相同，量子SVD算法的精度比标准量子傅里叶变换高出数个数量级。
• 该方法成功整合量子搜索，加速了SVD分解中关键组件的识别。
• SVD的使用使变换矩阵的表示更加精确，降低了量子态制备过程中的相位与振幅误差。
• 该算法保持了酉演化并维持了量子相干性，确保与容错量子计算的兼容性。
• 由于对奇异值分布的控制能力增强，该方法在噪声环境中表现出更强的鲁棒性。
• 结果表明，基于SVD的设计可成为实现超越QFT的更高精度量子算法的可行路径。