[论文解读] On an implementation of the Solovay-Kitaev algorithm

Attila Nagy|ArXiv.org|Jun 8, 2006

advanced mathematical theories参考文献 2被引用 13

一句话总结

本文通过用启发式方法替代指数级预处理阶段，提出了一种多项式时间、空间高效的量子门合成的Solovay-Kitaev算法实现，以产品长度为代价换取更少的时间和内存消耗。该工作提出了一种新颖的酉矩阵分解方法，无需矩阵对角化即可将其分解为群换位子，从而实现对SU(d)中任意酉矩阵的可扩展近似，具有对数多项式深度和受控的误差增长。

ABSTRACT

In quantum computation we are given a finite set of gates and we have to perform a desired operation as a product of them. The corresponding computational problem is approximating an arbitrary unitary as a product in a topological generating set of $SU(d)$. The problem is known to be solvable in time $polylog(1/ε)$ with product length $polylog(1/ε)$, where the implicit constants depend on the given generators. The existing algorithms solve the problem but they need a very slow and space consuming preparatory stage. This stage runs in time exponential in $d^2$ and requires memory of size exponential in $d^2$. In this paper we present methods which make the implementation of the existing algorithms easier. We present heuristic methods which make a time-length trade-off in the preparatory step. We decrease the running time and the used memory to polynomial in $d$ but the length of the products approximating the desired operations will increase (by a factor which depends on $d$). We also present a simple method which can be used for decomposing a unitary into a product of group commutators for $2

研究动机与目标

• 解决在d > 2时，经典Solovay-Kitaev算法在SU(d)中预处理阶段的指数级计算开销问题。
• 将生成初始覆盖集的时间和内存复杂度从指数级降低至关于d的多项式时间。
• 开发一种启发式方法，构建近似群覆盖，以增加产品长度为代价，实现可行的运行时间。
• 提供一种酉矩阵分解为换位子的替代方法，避免矩阵对角化，提升与符号计算系统兼容性。
• 实现对多量子比特量子电路的可扩展、实用化的Solovay-Kitaev算法。

提出的方法

• 用启发式、多项式时间的方法替代指数时间生成乘积集Γ，以在时间与空间上关于d为多项式的方式构建初始覆盖。
• 采用原始Solovay-Kitaev框架中的收缩（Shrinking）、伸缩（Telescoping）和缩放（Zooming）技术，迭代优化近似结果。
• 通过一个对角矩阵G（其对角线元素满足G_{j,j} = -(d-1)/2 + (j-1)）将迹为零的厄米特矩阵分解为有界范数厄米特算子的换位子。
• 通过这些厄米特生成元的指数运算构造酉矩阵分解，并利用算子范数不等式确保误差界。
• 应用引理4.1将哈密顿量的非对角部分与对角部分分解为换位子，通过在d < 256且4|d时与傅里叶或哈达玛矩阵共轭，避免对角化。
• 利用三角不等式和算子范数性质，控制嵌套换位子与指数运算中的误差传播。

实验结果

研究问题

• RQ1 是否可以将Solovay-Kitaev算法的指数级预处理阶段替换为多项式时间的替代方法，而不会牺牲近似质量？
• RQ2 如何在不依赖矩阵对角化的情况下实现酉矩阵到群换位子的分解？
• RQ3 近似乘积长度与预处理阶段运行时间/内存开销之间的权衡关系如何？
• RQ4 初始覆盖质量可提升到何种程度，以减少递归近似步骤中的误差增长？
• RQ5 能否通过避免在符号系统中使用如对角化等数值昂贵的操作，使算法在d > 2时变得实用？

主要发现

• 预处理阶段的时间与空间复杂度从指数级降低至关于d的多项式级，代价是产品长度按依赖于d的因子增加。
• 第n轮迭代的误差界满足εₙ ≤ c_approx · εₙ₋₁^(3/2)，其中c_approx = 16(d(d−1)/2)^(1/2) + d + 8(d(d−1)/2)^(3/2)，确保对数多项式收敛。
• 近似乘积的长度按lₙ = 8·lₙ₋₁增长，因此在目标精度ε下，电路深度为O(log(1/ε))。
• 通过在d < 256且4|d时使用傅里叶或哈达玛矩阵共轭，避免了矩阵对角化，从而实现了与GAP等系统兼容。
• 该算法保持了理论上的对数多项式缩放特性（在1/ε中），尽管由于启发式预处理阶段，乘积长度的常数因子有所增加。
• 该方法具有可扩展性：通过调节初始覆盖的质量，可灵活调整运行时间与产品长度之间的权衡。