[论文解读] Introduction to Quantum Algorithms

Peter W. Shor|ArXiv.org|Apr 29, 2000

Quantum Computing Algorithms and Architecture参考文献 40被引用 83

一句话总结

本文介紹了基礎性量子算法，這些算法在特定問題上相較於經典對應算法實現了顯著的加速，重點在於利用量子傅里葉變換（QFT）進行週期檢測以及 Grover 搜尋算法。它展示了在因數分解和離散對數問題上實現指數級加速（Shor 算法），以及在非結構化搜尋問題上實現二次加速（Grover 算法），確立了量子算法設計中的核心技術。

ABSTRACT

These notes discuss the quantum algorithms we know of that can solve problems significantly faster than the corresponding classical algorithms. So far, we have only discovered a few techniques which can produce speed up versus classical algorithms. It is not clear yet whether the reason for this is that we do not have enough intuition to discover more techniques, or that there are only a few problems for which quantum computers can significantly speed up the solution.

研究动机与目标

• 闡明量子計算的理論基礎與歷史背景，強調其與經典計算模型的差異。
• 演示量子算法如何顯著快於經典算法，解決特定問題（如整數因數分解與非結構化搜尋）。
• 釐清量子傅里葉變換與幅值放大在構建高效量子算法中的作用。
• 利用已知的下界，探討量子加速的極限，特別是與經典計算的比較。
• 提供關鍵量子算法的教學性概述，強調其在量子資訊科學中的概念與實際意義。

提出的方法

• 使用量子線路模型，透過量子比特與酉操作實現量子算法。
• 將量子傅里葉變換（QFT）作為核心技術，用於檢測函數輸出中的週期結構。
• 透過 Grover 迭代 $ Z_t W Z_0 W $ 應用幅值放大，其中 $ W = H^{igotimes k} $，以增強目標態的幅值。
• 利用相位踢回與受控量子操作，在未知目標項目的情況下實現 oracle 函數 $ Z_t $。
• 透過迭代應用 Grover 算子，分析幅值分佈的演化，顯示在 $ O(\sqrt{N}) $ 步驟內收斂至目標態。
• 依賴多項式 Church-Turing 論題，主張量子加速具有物理意義，而非低效經典模擬的產物。

实验结果

研究问题

• RQ1 量子算法在某些問題上為何能優於經典算法？其根本原因為何？
• RQ2 量子傅里葉變換如何實現週期檢測問題的高效解決，例如在 Shor 的因數分解算法中？
• RQ3 量子計算機能在多大程度上放大量子過程的成功機率？此類放大的理論極限為何？
• RQ4 量子算法是否能在非結構化搜尋中實現超過二次加速？此極限是否緊緻？
• RQ5 物理定律在何種程度上約束了量子計算機的計算能力？這與 Church-Turing 論題有何關聯？

主要发现

• Shor 的因數分解算法透過使用量子傅里葉變換來尋找模 N 函數的週期，實現了相較於經典算法的指數級加速。
• Dan Simon 的算法展示了在阿貝爾群上的隱藏子群問題中，量子計算具有指數級優勢，可視為 Shor 算法的先驅。
• Grover 的搜尋算法為非結構化搜尋提供了二次加速，僅需 $ O(\sqrt{N}) $ 次查詢，而經典算法需 $ O(N) $ 次。
• 幅值放大框架廣義化了 Grover 算法，並證明在非結構化搜尋中，任何量子算法的複雜度都不可能優於 $ O(\sqrt{N}) $。
• 量子傅里葉變換是實現週期檢測的核心工具，這正是 Shor 算法與 Simon 問題的基礎。
• 本文確立了目前已知的量子加速類型——透過 QFT 實現指數級加速，以及透過幅值放大實現二次加速——是迄今為止構建更快量子算法的兩大主要技術。