[论文解读] Quantum Algorithm for Preparing Thermal Gibbs States - Detailed Analysis

Chen-Fu Chiang, Paweł Wocjan|arXiv (Cornell University)|Jan 7, 2010

Quantum Computing Algorithms and Architecture参考文献 10被引用 13

一句话总结

本文提出了一种改进的量子算法，利用Grover搜索技术制备热 Gibbs 态，对哈密顿量模拟和相位估计算法的误差分析进行了优化。主要贡献是将复杂度界限收紧至 $ O\left(\sqrt{D/\mathcal{Z}_\beta} \cdot \frac{\beta}{\epsilon}(\log \frac{1}{\epsilon} + \beta)\right) $，相比先前工作，显著降低了因模拟不完美和有限精度测量带来的开销。

ABSTRACT

In a recent work [10], Poulin and one of us presented a quantum algorithm for preparing thermal Gibbs states of interacting quantum systems. This algorithm is based on Grovers's technique for quantum state engineering, and its running time is dominated by the factor D/Z(β), where D and Z(β) denote the dimension of the quantum system and its partition function at inverse temperature β, respectively. We present here a modified algorithm and a more detailed analysis of the errors that arise due to imperfect simulation of Hamiltonian time evolutions and limited performance of phase estimation (finite accuracy and nonzero probability of failure). This modfication together with the tighter analysis allows us to prove a better running time by the effect of these sources of error on the overall complexity. We think that the ideas underlying of our new analysis could also be used to prove a better performance of quantum Metropolis sampling by Temme et al. [12].

研究动机与目标

• 开发一种更鲁棒的量子算法，用于制备任意反温度下量子系统的热 Gibbs 态。
• 解决哈密顿量时间演化模拟不完美对量子态制备精度与效率的影响。
• 分析并减少由有限精度相位估计引发的误差，包括精度有限和非零失败概率。
• 通过收紧误差界限，改进算法的整体复杂度，特别是在基于 Grover 的态工程背景下。
• 提供一个框架，可用于提升相关算法（如量子 Metropolis 采样）的性能分析。

提出的方法

• 将 Grover 量子搜索技术用于态工程，以通过振幅放大制备热 Gibbs 态。
• 提出一种改进的算法，考虑了哈密顿量模拟中的误差、相位估计的精度以及失败概率。
• 使用受控-$ U_{\mathrm{sim}} $ 操作，其中 $ U_{\mathrm{sim}} $ 近似 $ \exp(2\pi i H) $，误差满足 $ \|U - U_{\mathrm{sim}}\| \leq \epsilon_{\mathrm{sim}} $。
• 应用精度为 $ \epsilon_{\mathrm{prec}} $ 且失败概率为 $ \epsilon_{\mathrm{fail}} $ 的相位估计，以限制其对最终态保真度的影响。
• 采用迹距离作为态接近程度的度量，确保 $ \|\rho_\beta - \tilde{\rho}_\beta\|_{\mathrm{tr}} \leq \epsilon $。
• 推导出投影态迹 $ \mathrm{tr}(\sigma) $ 的界限，以控制成功概率和误差传播。

实验结果

研究问题

• RQ1 如何定量地界定不完美哈密顿量模拟带来的误差，以保持热态制备的准确性？
• RQ2 有限精度相位估计对基于 Grover 的热态制备中成功概率和态保真度有何影响？
• RQ3 相位估计的非零失败概率如何影响算法的整体复杂度与收敛性？
• RQ4 更紧致的误差界限是否能带来相比原始 Poulin-Wocjan 算法更短的运行时间？
• RQ5 此处所开发的分析框架在多大程度上可被扩展，以改进量子 Metropolis 采样算法的性能分析？

主要发现

• 该算法确保目标热 Gibbs 态 $ \rho_\beta $ 与输出态 $ \tilde{\rho}_\beta $ 之间的迹距离误差不超过 $ \epsilon $，满足问题的精度要求。
• 相位估计所需的精度为 $ \epsilon_{\mathrm{prec}} = \epsilon / (32\beta) $，确保谱估计误差不会主导最终态误差。
• 相位估计的失败概率被限制在 $ \epsilon_{\mathrm{fail}} = e^{-\beta} \epsilon^2 $，该值足够小，可确保在多次迭代中保持高成功率。
• 哈密顿量模拟误差必须满足 $ \epsilon_{\mathrm{sim}} \leq \epsilon^2 / (8\beta\kappa) $ 以保持整体精度，其中 $ \kappa $ 为与系统相关的常数。
• 总复杂度呈 $ O\left(\sqrt{D/\mathcal{Z}_\beta} \cdot \frac{\beta}{\epsilon}(\log \frac{1}{\epsilon} + \beta)\right) $ 的量级，相比先前界限有显著改进。
• 分析表明，模拟误差、相位估计误差以及失败概率的贡献均被有效控制，使得算法在减少所需 Grover 迭代次数的同时仍能保持正确性。