[论文解读] Lecture Notes on Quantum Algorithms for Scientific Computation

Lin Lin|arXiv (Cornell University)|Jan 20, 2022

Quantum Computing Algorithms and Architecture被引用 30

一句话总结

这些笔记密切综述与科学计算相关的量子算法，涵盖如 Grover 的算法、量子相位估计、线性系统的 HHL，以及哈密顿量模拟，并包含基础工具如区块编码和量子比特化。

ABSTRACT

This is a set of lecture notes used in a graduate topic class in applied mathematics called ``Quantum Algorithms for Scientific Computation'' at the Department of Mathematics, UC Berkeley during the fall semester of 2021. These lecture notes focus only on quantum algorithms closely related to scientific computation, and in particular, matrix computation. The main purpose of the lecture notes is to introduce quantum phase estimation (QPE) and ``post-QPE'' methods such as block encoding, quantum signal processing, and quantum singular value transformation, and to demonstrate their applications in solving eigenvalue problems, linear systems of equations, and differential equations. The intended audience is the broad computational science and engineering (CSE) community interested in using fault-tolerant quantum computers to solve challenging scientific computing problems.

研究动机与目标

• 激发在科学计算和矩阵计算中的挑战性问题使用量子计算机的动力。
• 提供一个与科学与工程相关的关键量子算法工具的连贯入门。
• 介绍用于求解线性系统、微分方程和特征值问题的基础方法（例如相位估计、哈密顿量仿真、区块编码）。
• 将抽象的量子算法与未来容错设备的实际操作框架相连接。
• 在更广泛的量子算法领域背景下，说明笔记的范围与局限性。

提出的方法

• 回顾量子力学的公设及态矢量形式以建立对量子计算的直觉。
• 介绍量子电路记法及用于构建复杂算法的通用门集。
• 解释密度算符与测量，以处理混合态与可观测量。
• 展示反计算与可逆计算，以实现高效的经典-量子映射。
• 将区块编码与量子比特化发展为矩阵函数方法和线性代数任务的框架。
• 讨论量子相位估计、HHL 与哈密顿量模拟等应用及它们在科学计算中的作用。

实验结果

研究问题

• RQ1 什么方法可利用量子相位估计及相关技术在实际中解决线性系统、特征值问题和微分方程？
• RQ2 哪些关键的量子算法原语（如区块编码、量子比特化）能够实现科学应用的可扩展矩阵计算？
• RQ3 容错、通用门集与可逆计算如何影响科学领域量子算法的可行性？
• RQ4 量子算法理论（如 QSVT、量子奇异值变换）与实际的科学计算任务（如泊松方程或热方程）之间的关系是什么？
• RQ5 当前量子算法在解决典型科学计算问题方面的局限性与范围是什么？

主要发现

• 笔记围绕科学计算最相关的量子算法，以结构化主题如相位估计、线性系统和哈密顿量模拟组织。
• 他们引入区块编码和量子比特化等基本工具，使得矩阵函数技术成为可能，适用于希尔伯特矩阵和一般矩阵。
• 材料将基础量子计算概念与具体科学问题联系起来，包括将泊松方程和热方程作为示例。
• 他们讨论误差增长控制、门集的通用性，以及测量与密度算符在算法设计中的实际意义。
• 笔记承认该领域的广度，并概述未来版本可覆盖的主题，包括绝热和变分方法。