[论文解读] Quantum algorithm for linear non-unitary dynamics with near-optimal dependence on all parameters

Dong An, Andrew M. Childs+1 more|arXiv (Cornell University)|Dec 6, 2023

Quantum Computing Algorithms and Architecture被引用 8

一句话总结

该论文将线性组合的哈密顿量模拟（LCHS）推广为将线性非单位演化表示为单位演化的加权和，从而在量子计算机上求解线性微分方程时实现接近最优的参数量纲与最优状态制备。

ABSTRACT

We introduce a family of identities that express general linear non-unitary evolution operators as a linear combination of unitary evolution operators, each solving a Hamiltonian simulation problem. This formulation can exponentially enhance the accuracy of the recently introduced linear combination of Hamiltonian simulation (LCHS) method [An, Liu, and Lin, Physical Review Letters, 2023]. For the first time, this approach enables quantum algorithms to solve linear differential equations with both optimal state preparation cost and near-optimal scaling in matrix queries on all parameters.

研究动机与目标

• 推动对大规模线性ODEs在超越哈密顿动力学的有效量子模拟的研究。
• 引入广义的LCHS框架，将非单位传播算子表示为单位演化的加权积分。
• 实现对精度的近最优（多项式对数级）依赖和对状态制备成本的最优。
• 通过新的LCHS核函数，支持Gibbs态制备以及对时间不变情形的改进。

提出的方法

• 通过核f(k)和分解A(t)=L(t)+iH(t)，将一般线性非单位演化表示为单位演化的核加权积分。
• 在温和的解析性、衰减和归一化条件下，证明广义LCHS恒等式：T e^{-∫ A(s) ds} = ∫ f(k)/(1−ik) T e^{-i∫(kL(s)+H(s)) ds} dk。
• 引入一个具体的核族f(z)=1/(2π e^{-2^{β}} e^{(1+iz)^{β}})，β∈(0,1)，以在k处获得近指数衰减，从而将截断参数K降低为O((log(1/ε))^{1/β})。
• 通过复合高斯求积对积分进行离散化，并用截断的Dyson级数来模拟每个单位演化；再通过量子LCU（单位的线性组合）进行组合。
• 利用改进的核函数，在时间相关和时间不相关的A(t)情形下实现接近最优的矩阵查询量纲和最优状态制备成本。
• 推广到Gibbs态制备，并讨论一种混合的、近端实现路径。

实验结果

研究问题

• RQ1 如何将带有A(t)和外部项b(t)的非单位线性动力学表示为单位演化的和？
• RQ2 哪些核函数能够实现近指数衰减，从而改进基于LCHS的量子ODE算法的精度标度？
• RQ3 在使用改进的LCHS框架时，一般时间相关和时间不相关线性ODE的查询复杂度是多少？
• RQ4 改进的LCHS框架是否支持Gibbs态制备和混合（近端）实现？
• RQ5 关于LCHS公式的开放理论问题和对更广泛稳定性或特征值变换的潜在扩展是什么？

主要发现

• 广义的LCHS公式将非单位传播算子表示为单位演化的加权积分，核为f(k)。
• 使用近指数衰减的核函数可显著降低截断参数并改善相较原始LCHS的精度标度。
• 改进的LCHS算法在误差ε下求解线性ODE，其矩阵查询复杂度为 Õ((||u0||+||b||_L1)/||u(T)|| · α_A T · (log(1/ε))^{1+1/β})，并具有最优的状态制备成本。
• 对于时间不变的A，复杂度进一步提升到 Õ((||u0||/||u(T)||) α_A T (log(1/ε))^{1/β})，结合QSP/QSVT的哈密顿量模拟，趋向以ε的加法性标度。
• 该框架实现Gibbs态制备，并且对γ和α_L几乎线性依赖，对1/ε的多对数依赖。
• 混合实现通过对LCU项进行采样并通过Hadamard检验和振幅估计来估计观测量，从而降低 ancilla 要求。