[论文解读] Quantum Algorithms for Curve Fitting.

Guoming Wang|arXiv (Cornell University)|Feb 4, 2014

Quantum Computing Algorithms and Architecture参考文献 4被引用 7

一句话总结

本文提出了一种用于最小二乘曲线拟合的量子算法，通过结合量子相位估计算法与密度矩阵指数化技术实现密集哈密顿量模拟，无需设计矩阵稀疏性假设，实现了在 log n, d, κ, u, χ, 1/Φ, 1/ε 上的多项式时间复杂度，从而完整确定拟合曲线及其质量。

ABSTRACT

We present quantum algorithms for estimating the best-fit parameters and the quality of least-square curve fitting. The running times of these algorithms are polynomial in $\log{n}$, $d$, $\kappa$, $ u$, $\chi$, $1/\Phi$ and $1/\epsilon$, where $n$ is the number of data points to be fitted, $d$ is the dimension of feature vectors, $\kappa$ is the condition number of the design matrix, $ u$ and $\chi$ are some parameters reflecting the variances of the design matrix and response vector, $\Phi$ is the fit quality, and $\epsilon$ is the tolerable error. Different from previous quantum algorithms for these tasks, our algorithms do not require the design matrix to be sparse, and they do completely determine the fitted curve. They are developed by combining phase estimation and the density matrix exponentiation technique for dense Hamiltonian simulation.

研究动机与目标

• 开发能够以更高效率估计最小二乘曲线拟合中最佳拟合参数与拟合质量的量子算法。
• 克服先前量子算法在曲线拟合任务中要求设计矩阵稀疏性的局限。
• 实现对完整拟合曲线的确定，而不仅限于部分或近似解。
• 实现时间复杂度在 log n, d, κ, u, χ, 1/Φ, 1/ε 上的多项式缩放，反映条件数与拟合质量等实际参数。
• 利用量子技术实现密集哈密顿量模拟，从而将应用范围扩展至稀疏系统之外。

提出的方法

• 利用量子相位估计算法估计设计矩阵的特征值，从而求解正规方程。
• 采用密度矩阵指数化技术模拟密集哈密顿量，实现在无稀疏性假设下的高效模拟。
• 通过在设计矩阵上施加受控操作，构建编码最小二乘问题解向量的量子态。
• 结合幅度估计算法，高精度估计拟合质量 Φ 与解的误差 ε。
• 利用态制备与受控酉操作，将响应向量与设计矩阵编码为量子态，实现联合处理。
• 将上述组件整合为一种混合量子算法，输出拟合参数与拟合质量。

实验结果

研究问题

• RQ1 量子算法在曲线拟合中能否在不假设设计矩阵稀疏性的前提下实现多项式时间复杂度？
• RQ2 如何结合量子相位估计算法与密度矩阵指数化技术，以实现回归任务中密集哈密顿量的模拟？
• RQ3 该算法的时间复杂度对关键参数（如条件数 κ、拟合质量 Φ 与误差容限 ε）的依赖关系如何？
• RQ4 是否能够完整确定拟合曲线，而非仅获得部分或近似解？
• RQ5 在同时估计最佳拟合参数与拟合质量时，可实现的精度与效率之间存在何种权衡？

主要发现

• 所提出的量子算法在 log n, d, κ, u, χ, 1/Φ, 1/ε 上实现多项式时间复杂度，显著提升了大规模问题的效率。
• 该算法无需设计矩阵为稀疏矩阵，扩展了其在密集或病态系统中的适用性。
• 该方法可完整确定拟合曲线，包括参数与拟合质量，优于以往仅能估计部分结果的方法。
• 采用密度矩阵指数化技术可高效模拟密集哈密顿量，克服了量子机器学习中的关键瓶颈。
• 由于对 n 的对数依赖，算法性能随数据规模 n 与特征维度 d 的增加而有利扩展。
• 误差容限 ε 与拟合质量 Φ 明确受界，确保在用户指定精度范围内的可靠估计。