[论文解读] Dynamics of quantum adiabatic evolution algorithm for Number Partitioning

Vadim Smelyanskiy, U. von Toussaint+1 more|ArXiv.org|Feb 26, 2002

Quantum Computing Algorithms and Architecture参考文献 9被引用 10

一句话总结

本文通过将哈密顿量缓慢变化的量子自旋玻璃模型映射到一个NP完全的数划分问题，分析了该问题的量子绝热算法。推导出最小能隙为 $ g_{\text{min}} = \mathcal{O}(n \, 2^{-n/2}) $，揭示了由于系统动力学可约化为能量空间中的一维量子扩散，导致算法在随机实例上表现出指数级复杂度。

ABSTRACT

We have developed a general technique to study the dynamics of the quantum adiabatic evolution algorithm applied to random combinatorial optimization problems in the asymptotic limit of large problem size $n$. We use as an example the NP-complete Number Partitioning problem and map the algorithm dynamics to that of an auxilary quantum spin glass system with the slowly varying Hamiltonian. We use a Green function method to obtain the adiabatic eigenstates and the minimum excitation gap, $g_{ m min}={\cal O}(n 2^{-n/2})$, corresponding to the exponential complexity of the algorithm for Number Partitioning. The key element of the analysis is the conditional energy distribution computed for the set of all spin configurations generated from a given (ancestor) configuration by simulteneous fipping of a fixed number of spins. For the problem in question this distribution is shown to depend on the ancestor spin configuration only via a certain parameter related to the energy of the configuration. As the result, the algorithm dynamics can be described in terms of one-dimenssional quantum diffusion in the energy space. This effect provides a general limitation on the power of a quantum adiabatic computation in random optimization problems. Analytical results are in agreement with the numerical simulation of the algorithm.

研究动机与目标

• 理解当问题规模 $ n \to \infty $ 时，量子绝热算法在随机NP完全优化问题中的渐近行为。
• 识别在自旋玻璃等具有几何阻挫和无序的系统中，量子绝热计算的根本局限性。
• 建立一个通用框架，以条件能量分布和有效一维扩散来分析绝热演化动力学。
• 量化控制数划分问题中算法运行时间复杂度的最小能隙。

提出的方法

• 将数划分问题的量子绝热演化映射到具有时间依赖哈密顿量的有效量子自旋玻璃模型。
• 使用格林函数方法计算绝热本征态和最小激发能隙 $ g_{\text{min}} $。
• 分析通过从给定祖先自旋构型翻转固定数量 $ r $ 个自旋所获得的条件能量分布。
• 证明该条件分布仅依赖于与祖先构型能量相关的单一参数，从而实现动力学的一维化。
• 应用最陡下降法和高斯近似方法，在 $ n $ 较大时评估路径积分，得到能量跃迁概率的解析表达式。
• 通过数值模拟条件能量分布并与理论预测比较，验证了分析结果。

实验结果

研究问题

• RQ1 在随机数划分实例中，量子绝热算法的最小能隙的渐近标度是什么？
• RQ2 绝热算法的动力学如何约化为能量空间中的一维扩散过程？
• RQ3 仅依赖于单一能量相关参数的条件能量分布，在简化动力学中起到什么作用？
• RQ4 尽管在对称情况下可能存在量子隧穿，为何该算法仍表现出指数级复杂度？
• RQ5 无序性和阻挫在随机优化问题中在多大程度上从根本上限制了量子绝热计算的能力？

主要发现

• 最小能隙的标度为 $ g_{\text{min}} = \mathcal{O}(n \, 2^{-n/2}) $，表明数划分问题的运行时间复杂度为指数级。
• 由于条件能量分布仅依赖于每个祖先构型的单一参数，绝热算法的动力学可映射为能量空间中的一维量子扩散。
• 在大$ n $极限下，条件能量分布 $ P_r(\Omega' | \Omega) $ 为高斯分布，方差 $ \sigma^2(q) \sim n \sigma^2(0) $，证实了扩散行为。
• 对于小的 $ r $，如 $ r=1 $ 或 $ r=n-1 $，条件分布在一个有界区间内趋于均匀，与分析和数值结果一致。
• 对 $ P_{r,\mathbf{z}}(\eta) $ 的数值模拟与理论预测 $ \frac{1}{2} \int_0^{\Omega'} d\eta \, P_r(\eta|0) = \text{erf}\left( \frac{\Omega'}{\sigma(q) \sqrt{2n}} \right) $ 高度吻合。
• 该分析揭示了无序性与能量空间扩散机制相互作用，对随机优化问题中量子绝热计算存在普遍限制。