[论文解读] Demonstration of Optimal Fixed-Point Quantum Search Algorithm in IBM Quantum Computer

Kamal Gurnani, Bikash K. Behera+1 more|arXiv (Cornell University)|Dec 29, 2017

Quantum Computing Algorithms and Architecture参考文献 34被引用 3

一句话总结

本文展示了在五量子比特IBM量子计算机上实现最优固定点量子搜索（OFPQS）算法，通过在希尔伯特空间中旋转态矢量，精确地定位目标态。通过执行一次和两次迭代，并利用量子态层析成像验证结果，研究证实了高保真度的态制备以及对目标态的准确收敛，展示了该算法在真实量子硬件环境中的精确性。

ABSTRACT

Quantum search algorithm can be described as the rotation of state vectors in a Hilbert space. The state vectors uniformly rotate by iterative sequences until they hit the target position. To optimize the algorithm, it is necessary to have the precise knowledge about some parameters like the number of target positions. Here we demonstrate the implementation of optimal fixed-point quantum search (OFPQS) algorithm in a five-qubit quantum computer developed by IBM Corporation. We perform the OFPQS algorithm for one and two-iterations and confirm the accuracy of our results by state tomography process.

研究动机与目标

• 在真实量子处理器上实现最优固定点量子搜索（OFPQS）算法。
• 在含噪声的含噪声中等规模量子（NISQ）设备中，利用量子态层析成像验证OFPQS算法的准确性。
• 研究OFPQS在五量子比特IBM量子计算机上执行一次和两次迭代时的性能表现。
• 确认对目标态数量的精确了解可实现固定点搜索中的最优收敛。

提出的方法

• 在五量子比特IBM量子处理器上，通过在希尔伯特空间中迭代旋转态矢量，实现OFPQS算法。
• 对算法执行一次和两次迭代，以评估其收敛行为和保真度。
• 应用量子态层析成像技术重构最终量子态，并验证搜索结果的准确性。
• 该方法依赖于基于已知目标态数量推导出的旋转角度的精确控制，以实现固定点收敛。
• 实现过程中使用标准量子门和适用于NISQ时代硬件的电路优化技术。
• 通过将重构的密度矩阵与理想目标态进行比较，评估最终态的保真度。

实验结果

研究问题

• RQ1 OFPQS算法能否在真实五量子比特量子处理器上成功实现？
• RQ2 在一次和两次迭代下，算法在态保真度和收敛性方面表现如何？
• RQ3 量子态层析成像在多大程度上证实了在噪声硬件上OFPQS输出的正确性？
• RQ4 在存在退相干和门错误的真实量子计算环境中，固定点收敛特性是否依然成立？
• RQ5 对目标态数量的精确了解是否能在物理量子设备中实现最优性能？

主要发现

• OFPQS算法已在五量子比特IBM量子计算机上通过迭代态旋转成功实现。
• 经量子态层析成像验证，算法在一次和两次迭代后均实现了高保真度的态制备。
• 重构的量子态与理想目标态具有高度重叠，表明收敛准确。
• 结果表明，在适当参数调优下，真实NISQ设备中可实现固定点收敛。
• 本研究证实，对目标态数量的精确了解可实现搜索过程中的最优性能。
• 尽管存在噪声和退相干效应，该实现仍验证了OFPQS理论框架在物理量子硬件环境中的有效性。