[论文解读] Grover's Algorithm for Multiobject Search in Quantum Computing

G. Chen, S. A. Fulling+1 more|ArXiv.org|Sep 13, 1999

Quantum Computing Algorithms and Architecture被引用 12

一句话总结

本文将格罗弗的量子搜索算法推广至使用希尔伯特空间框架高效定位未排序数据库中的多个目标项目。结果表明，即使在搜索多个解时，该算法仍保持最优的二次加速，且成功概率可随标记态数量可预测地变化。

ABSTRACT

L. K. Grover's search algorithm in quantum computing gives an optimal, square-root speedup in the search for a single object in a large unsorted database. In this paper, we expound Grover's algorithm in a Hilbert-space framework that isolates its geometrical essence, and we generalize it to the case where more than one object satisfies the search criterion.

研究动机与目标

• 将格罗弗原始的单目标搜索算法扩展至处理量子数据库中的多个目标态。
• 在希尔伯特空间框架内，为多目标搜索过程提供几何解释。
• 分析当多个项目满足搜索条件时，该算法的行为特征与成功概率。
• 确立广义算法在多目标搜索场景下的查询复杂度最优性。
• 阐明多解情况下振幅放大过程背后的数学结构。

提出的方法

• 使用希尔伯特空间表示形式形式化格罗弗算法，以分离其几何核心。
• 将搜索过程建模为由初始态与标记态的均匀叠加张成的二维子空间中的迭代旋转。
• 推导系统态矢量在重复应用格罗弗迭代算符下的演化过程。
• 引入一种广义扩散算符，以适应多个标记态，同时保持算法的幺正结构。
• 通过跟踪振幅演化，分析多目标搜索的收敛行为与最优测量时机。
• 使用角度参数描述向目标子空间的旋转过程，推广单解情况下的结果。

实验结果

研究问题

• RQ1 如何将格罗弗算法扩展，以在非结构化数据库中高效搜索多个目标态？
• RQ2 希尔伯特空间中多目标搜索过程的几何结构是什么？
• RQ3 找到标记态的成功概率如何随标记项目数量变化？
• RQ4 在多解情况下，为最大化测量到标记态的概率，最优迭代次数是多少？
• RQ5 当存在多个解时，广义算法在查询复杂度方面是否仍保持最优？

主要发现

• 广义格罗弗算法保持最优的二次加速，当数据库大小为N、标记态数量为r时，成功概率的量级为O(√N/r)。
• 该算法的性能由一个二维子空间中的旋转所主导，旋转角度取决于标记态的数量。
• 最优迭代次数约为π√N/(4√r)，此时测量到标记态的概率最大。
• 成功概率在该最优迭代次数附近达到峰值，随后下降，证实了对迭代次数精确控制的必要性。
• 几何框架表明，只要r ≪ N，无论标记态数量多少，算法的效率均得以保持。
• 分析表明，即使存在多个解，该算法仍保持鲁棒性与高效性，振幅放大机制可适当扩展。