[论文解读] Fast quantum algorithms for traversing paths of eigenstates

Sergio Boixo, E. Knill+1 more|arXiv (Cornell University)|May 17, 2010

Quantum Computing Algorithms and Architecture参考文献 27被引用 13

一句话总结

本文提出了一类用于在量子系统中遍历本征态路径的快速数字量子算法，利用相位估计算法与振幅放大技术，实现复杂度 𝒪((L/Δ)log(L/ε))，其中 L 为角路径长度，Δ 为最小本征值间隙。该方法无需对路径施加连续性假设，显著优于绝热方法及以往的数字方法，使路径长度与间隙成为主导复杂度因素。

ABSTRACT

Consider a path of non-degenerate eigenstates of unitary operators or Hamiltonians with minimum eigenvalue gap G. The eigenpath traversal problem is to transform one or more copies of the initial to the final eigenstate. Solutions to this problem have applications ranging from quantum physics simulation to optimization. For Hamiltonians, the conventional way of doing this is by applying the adiabatic theorem. We give ``digital'' methods for performing the transformation that require no assumption on path continuity or differentiability other than the absence of large jumps. Given sufficient information about eigenvalues and overlaps between states on the path, the transformation can be accomplished with complexity O(L/G log(L/e)), where L is the angular length of the path and e is a specified bound on the error of the output state. We show that the required information can be obtained in a first set of transformations, whose complexity per state transformed has an additional factor that depends logarithmically on a maximum angular velocity along the path. This velocity is averaged over constant angular distances and does not require continuity. Our methods have substantially better behavior than conventional adiabatic algorithms, with fewer conditions on the path. They also improve on the previously best digital methods and demonstrate that path length and the gap are the primary parameters that determine the complexity of state transformation along a path.

研究动机与目标

• 开发高效的数字量子算法，用于将初始本征态 |ψ₀⟩ 变换为沿非简并本征态路径的最终本征态 |ψ₁⟩。
• 通过消除对路径连续性或可微性的假设，克服绝热定理的局限性。
• 识别角路径长度 L 与本征值间隙 Δ 作为本征态变换的主要复杂度参数。
• 提供一种仅需对间隙和相邻态之间重叠度有界信息的最小先验知识框架。
• 通过降低与传统绝热及数字方法相比的复杂度，实现可扩展的量子模拟与优化。

提出的方法

• 以相位估计算法与振幅放大作为核心量子原语，构建沿本征态路径的受控变换。
• 将角路径长度 L 定义为所有路径离散化中总反余弦距离的上确界，以捕捉非光滑或不连续的路径。
• 通过将路径递归分解为子区间来控制误差与复杂度，依赖伽尔顿-沃森过程进行概率分析。
• 引入局部平均角速度 v_max 的概念以量化路径的不规则性，复杂度呈 𝒪((ℒ/Δ)log(ℒ/ε))，其中 ℒ = L(log(v_max/v_avg)+2)。
• 采用微扰理论工具（如预解子技巧与一阶微扰理论）估计在小哈密顿量变化下本征态之间的角距离。
• 应用递归误差缩减策略，在多个副本中保持精度，集体施加误差界于所有副本之上。

实验结果

研究问题

• RQ1 是否可实现与路径平滑性或连续性无关的本征态路径遍历复杂度？
• RQ2 决定数字量子算法本征态变换的根本复杂度参数是什么？
• RQ3 如何利用路径长度 L 与本征值间隙 Δ 来界定所需量子操作数的上界？
• RQ4 当路径规律性未知时，局部平均角速度 v_max 在决定算法复杂度方面起什么作用？
• RQ5 即使对路径的先验知识有限，量子算法能否在 L 与 Δ 方面实现近似最优的复杂度标度？

主要发现

• 当具备足够重叠与间隙信息时，该算法在本征态变换中实现复杂度 𝒪((L/Δ)log(L/ε))，其中 L 为角路径长度。
• 复杂度接近最优，因为存在需 Ω(L/Δ) 次 U_s 应用的问题，证明了其近似最优性。
• 当信息较少时，复杂度升至 𝒪((ℒ/Δ)log(ℒ/ε))，其中 ℒ = L(log(v_max/v_avg)+2)，v_max 为最大局部平均角速度。
• 该算法通过仅依赖角距离与间隙约束，而非连续性，处理不连续或不可微路径。
• 伽尔顿-沃森过程的使用确保了活动路径段的期望数量有界，从而在递归分解中实现高效的误差控制。
• 微扰理论界（如引理 D.1 与推论 D.2）可估计小哈密顿量扰动下本征态之间的角距离，使实际实现成为可能。