[论文解读] Evolving Quantum Oracles with Hybrid Quantum-inspired Evolutionary Algorithm

Shengchao Ding, Zhi Jin+1 more|ArXiv.org|Oct 13, 2006

Quantum Computing Algorithms and Architecture参考文献 12被引用 4

一句话总结

本文提出一种混合量子启发式进化算法（HQEA），通过数值编码量子线路并利用结合电路成本与正确性的适应度函数，自动设计和优化量子预言机。该方法通过基于克罗内克积的快速矩阵乘法算法加速矩阵计算，相较于符号化或纯启发式方法，显著提升了量子线路设计的效率与准确性。

ABSTRACT

Quantum oracles play key roles in the studies of quantum computation and quantum information. But implementing quantum oracles efficiently with universal quantum gates is a hard work. Motivated by genetic programming, this paper proposes a novel approach to evolve quantum oracles with a hybrid quantum-inspired evolutionary algorithm. The approach codes quantum circuits with numerical values and combines the cost and correctness of quantum circuits into the fitness function. To speed up the calculation of matrix multiplication in the evaluation of individuals, a fast algorithm of matrix multiplication with Kronecker product is also presented. The experiments show the validity and the effects of some parameters of the presented approach. And some characteristics of the novel approach are discussed too.

研究动机与目标

• 解决利用进化计算高效设计和优化量子预言机的挑战。
• 克服由于昂贵的矩阵乘法导致的量子线路适应度评估计算瓶颈。
• 开发一种量子线路的数值表示方法，以有效应用进化算子。
• 将电路成本与正确性统一纳入适应度函数，实现正确性与效率的同步优化。
• 通过在基准量子预言机上的实证评估，验证该方法的有效性。

提出的方法

• 使用数值值对量子线路进行编码，其中每个作用于特定量子比特的门或门操作被映射为整数索引。
• 采用混合量子启发式进化算法（HQEA）通过选择、交叉和变异操作，基于适应度演化电路表示。
• 适应度函数结合了对正确酉输出的奖励与对电路成本的惩罚，实现正确性与效率的同步优化。
• 开发了一种快速矩阵乘法算法，利用量子门操作的克罗内克积结构，加速适应度评估。
• 基本门被限制为单量子比特门和相邻两量子比特门（如H、S、T、CNOT），以反映物理可实现性。
• 通过调整最大门数和满足成本等参数，该方法支持电路设计与优化的双重功能。

实验结果

研究问题

• RQ1 量子线路的数值表示能否提升进化算法在量子预言机设计中的效率与效果？
• RQ2 在单一适应度函数中结合成本与正确性，对演化量子线路的收敛性与质量有何影响？
• RQ3 基于克罗内克积的快速矩阵乘法算法在多大程度上能减少量子线路个体评估的计算开销？
• RQ4 适应度函数中不同的奖励-惩罚因子如何影响进化过程的成功率与收敛速度？
• RQ5 所提出的基于HQEA的方法能否在设计优化且物理可实现的量子预言机方面超越现有的符号化或启发式方法？

主要发现

• 所提出的HQEA方法在多个基准案例（如entangle2和controlled-phase）中成功演化出正确的量子预言机，且在多次运行中均找到了最优线路。
• 实验表明，对电路错误施加更高的惩罚值能显著提升找到正确预言机的成功率，尤其在提高满足成本时效果更明显。
• 当满足成本为8且惩罚值为1000时，该方法在200次运行中实现了100%的成功率，平均成功代数为62.65。
• 基于克罗内克积的快速矩阵乘法算法显著加速了个体评估，大幅降低了适应度计算的计算开销。
• 数值编码方案相比符号化表示，使进化算子的应用更加自然且高效。
• 通过调节最大门数和满足成本等参数，该方法在设计与优化之间展现出良好的灵活性。