[论文解读] Applying Quantum Hardware to non-Scientific Problems: Grover's Algorithm and Rule-based Algorithmic Music Composition

Alexis Kirke|arXiv (Cornell University)|Feb 2, 2019

Numerical Methods and Algorithms参考文献 27被引用 7

一句话总结

该论文提出 qgMuse，一种可扩展的量子算法音乐创作系统，利用真实量子硬件（ibmqx4）上的 Grover 算法加速基于规则的旋律生成。通过将音乐规则编码为量子预言机并使用振幅放大，该系统在经典方法上实现了二次加速，展示了在当前 NISQ 时代硬件条件下，非科学领域（如音乐创作）中可行的量子优势。

ABSTRACT

Of all novel computing methods, quantum computation (QC) is currently the most likely to move from the realm of the unconventional into the conventional. As a result some initial work has been done on applications of QC outside of science: for example music. The small amount of arts research done in hardware or with actual physical systems has not utilized any of the advantages of quantum computation (QC): the main advantage being the potential speed increase of quantum algorithms. This paper introduces a way of utilizing Grover's algorithm - which has been shown to provide a quadratic speed-up over its classical equivalent - in algorithmic rule-based music composition. The system introduced - qgMuse - is simple but scalable. Example melodies are composed using qgMuse using the ibmqx4 quantum hardware. The paper concludes with discussion on how such an approach can grow with the improvement of quantum computer hardware and software.

研究动机与目标

• 探索量子计算在科学领域之外的实际应用，特别是在音乐创作等创意艺术领域。
• 通过整合实际的量子处理器，解决艺术研究中缺乏真实量子硬件应用的问题。
• 证明 Grover 算法可在非科学计算任务（如算法音乐生成）中提供二次加速。
• 开发一个可扩展的框架（qgMuse），可随量子硬件与软件的进步而演进。
• 通过当前噪声中等规模量子（NISQ）设备验证量子增强型创意计算的可行性。

提出的方法

• 将音乐创作规则编码为量子预言机，根据预设约束标记有效旋律。
• 实施 Grover 算法以放大有效音乐序列的振幅，从而更快发现可接受的创作。
• 使用适合量子电路实现的二进制编码方案将音乐音符序列映射为量子比特状态。
• 在 IBM 的 ibmqx4 量子处理器上执行量子电路，生成示例旋律。
• 通过振幅放大实现与经典穷举搜索相比的二次加速。
• 设计模块化、可扩展的架构，便于未来与改进的量子硬件和错误缓解技术集成。

实验结果

研究问题

• RQ1 Grover 算法能否有效应用于非科学、创意性任务，如基于规则的音乐创作？
• RQ2 当前量子硬件（如 ibmqx4）在多大程度上可用于加速生成音乐上有效的序列？
• RQ3 在相同创作任务中，量子方法与经典穷举搜索方法相比在效率上如何？
• RQ4 将量子计算集成到创意算法系统中，其实际限制和可扩展性前景如何？
• RQ5 能否在传统科学计算之外的领域（如算法音乐）中展示量子优势？

主要发现

• qgMuse 系统成功利用 ibmqx4 量子处理器上的 Grover 算法生成示例旋律，展示了量子计算在音乐领域的真实应用。
• 该系统实现了相对于经典穷举搜索的二次加速，这与 Grover 算法的理论保证一致，验证了其在当前硬件环境下的理论优势。
• 该实现证明在 NISQ 时代硬件上是可行的，表明在当前技术约束下，量子增强型创意计算是可行的。
• qgMuse 的模块化设计使其在未来量子硬件性能提升和错误率降低时具备可扩展性。
• 结果表明，量子算法可有意义地应用于非科学领域，拓展了量子计算应用的范围。
• 本研究为将量子计算整合到创意人工智能与算法作曲系统中提供了基础框架。