[论文解读] Efficient Clifford+T approximation of single-qubit operators

Peter Selinger|arXiv (Cornell University)|Dec 26, 2012

Quantum Computing Algorithms and Architecture参考文献 15被引用 10

一句话总结

该论文提出了一种随机化、高效的算法，用于使用 Clifford+T 门近似 SU(2) 中的任意单量子比特酉矩阵，对 z-旋转实现最优的 T-计数缩放 $ K + 4\log_2(1/\varepsilon) $，对一般 SU(2) 算子实现 $ K + 12\log_2(1\varepsilon) $。在一种温和的数论假设下，该算法在 $ \log(1/\varepsilon) $ 上的期望时间复杂度为多项式时间，与理论下限仅相差一个常数项。

ABSTRACT

We give an efficient randomized algorithm for approximating an arbitrary element of $SU(2)$ by a product of Clifford+$T$ operators, up to any given error threshold $ε>0$. Under a mild hypothesis on the distribution of primes, the algorithm's expected runtime is polynomial in $\log(1/ε)$. If the operator to be approximated is a $z$-rotation, the resulting gate sequence has $T$-count $K+4\log_2(1/ε)$, where $K$ is approximately equal to $10$. We also prove a worst-case lower bound of $K+4\log_2(1/ε)$, where $K=-9$, so that our algorithm is within an additive constant of optimal for certain $z$-rotations. For an arbitrary member of $SU(2)$, we achieve approximations with $T$-count $K+12\log_2(1/ε)$. By contrast, the Solovay-Kitaev algorithm achieves $T$-count $O(\log^c(1/ε))$, where $c$ is approximately $3.97$.

研究动机与目标

• 开发一种高效算法，使用 Clifford+T 门集合在误差容限 $ \varepsilon $ 下近似任意 SU(2) 算子。
• 实现与信息论理论下限仅相差一个常数项的 T-计数缩放。
• 确保算法在 $ \log(1/\varepsilon) $ 上的期望时间复杂度为多项式时间，优于 Solovay-Kitaev 算法的 $ O(\log^{3.97}(1/\varepsilon)) $ 复杂度。
• 提供一种无需辅助量子比特的解决方案，与以往依赖资源态或特殊辅助态制备的最优算法不同。
• 建立 z-旋转的 T-计数上下界，证明该算法性能接近最优。

提出的方法

• 在环 $ \mathbb{Z}[e^{i\pi/4}] $ 中的代数整数结构网格上进行随机搜索，对应于 T-计数有界的 Clifford+T 电路。
• 基于 $ \mathbb{Z}[i] $ 中素数分布的数论技术，确保在 $ \varepsilon $ 区域内近似点的足够密度。
• 应用连分数方法的变体，寻找目标旋转角度的良好有理逼近，并将其映射为 Clifford+T 电路。
• 实施拒绝采样策略，高效定位一个 Clifford+T 电路，使其酉矩阵与目标在 $ \varepsilon $ 范围内，利用 SU(2) 群的几何结构。
• 利用 T-计数为 $ k $ 的 Clifford+T 门数量按 $ 4^k $ 增长，且 $ \varepsilon $ 区域体积与 $ \varepsilon^3 $ 成正比的事实，确保每次迭代的候选数为常数。
• 采用递归细化策略，迭代减小误差区域，在素数分布假设下保持多项式时间复杂度。

实验结果

研究问题

• RQ1 能否设计一种高效、随机化的算法，使用 Clifford+T 门对 SU(2) 中任意单量子比特酉矩阵进行近似，实现 $ O(\log(1/\varepsilon)) $ 的 T-计数缩放，与信息论理论下限一致？
• RQ2 是否可能在不依赖辅助量子比特或特殊资源态的情况下实现这一最优 T-计数缩放？
• RQ3 z-旋转的 T-计数表达式中，最紧的加法常数是多少？该算法能否达到它？
• RQ4 该算法的运行时间如何随 $ \varepsilon $ 减小而变化？在何种数论假设下，其时间复杂度在 $ \log(1/\varepsilon) $ 上为多项式？
• RQ5 能否修改该算法以处理乘法超频（即降低 T-计数中的常数因子），同时保持效率？

主要发现

• 对于 z-旋转，该算法实现 T-计数为 $ K + 4\log_2(1/\varepsilon) $，其中 $ K \approx 10 $，与下限 $ K + 4\log_2(1/\varepsilon) $（$ K = -9 $）的最坏情况一致，证明了其近似最优性。
• 对于一般 SU(2) 算子，该算法实现 T-计数为 $ K + 12\log_2(1/\varepsilon) $，显著优于 Solovay-Kitaev 算法的 $ O(\log^{3.97}(1/\varepsilon)) $ 复杂度。
• 在 $ \mathbb{Z}[i] $ 中素数分布足够良好的假设下，该算法的期望运行时间为 $ \log(1/\varepsilon) $ 的多项式时间，使其在高精度近似下依然高效。
• 该算法是首个在不依赖辅助量子比特或特殊态制备的情况下实现 $ O(\log(1/\varepsilon)) $ 最优 T-计数缩放的算法。
• 实验结果验证了理论缩放：当 $ \varepsilon = 10^{-1000} $ 时，T-计数为 13,300，运行时间约为 505 秒，与 $ O(\log(1/\varepsilon)) $ 行为一致。
• 该算法在每次迭代中保持恒定的期望候选数，且每次候选的平均处理时间缓慢增加，表明其在不同误差阈值下均具有稳健且可预测的性能。