[论文解读] Quantum Multigrid Algorithm for Finite Element Problems

Osama M. Raisuddin, Suvranu De|arXiv (Cornell University)|Apr 11, 2024

Quantum Computing Algorithms and Architecture被引用 4

一句话总结

本文提出了一种量子多重网格算法（qMG），该算法直接在量子态上应用多重网格迭代操作，以求解基于有限元法的线性系统。通过将迭代序列编码为量子态，qMG 实现了解此类系统的指数加速，运行时间缩放为 O(poly log(N/ε′))，且仅需 O(poly log(N/ε′)) 量子比特，同时利用初始猜测来提高收敛效率。

ABSTRACT

Quantum linear system algorithms (QLSAs) can provide exponential speedups for the solution of linear systems, but the growth of the condition number for finite element problems can eliminate the exponential speedup. QLSAs are also incapable of using an initial guess of a solution to improve upon it. To circumvent these issues, we present a Quantum Multigrid Algorithm (qMG) for the iterative solution of linear systems by applying the sequence of multigrid operations on a quantum state. Given an initial guess with error e_0, qMG can produce a vector encoding the entire sequence of multigrid iterates with the final iterate having a relative error e'=e/e_0, as a subspace of the final quantum state, with exponential advantage in O( poly log (N/e') ) time using O( poly log (N/e') ) qubits. Although extracting the final iterate from the sequence is efficient, extracting the sequence of iterates from the final quantum state can be inefficient. We provide an analysis of the complexity of the method along with numerical analysis.

研究动机与目标

• 解决有限元问题中条件数增长导致量子线性系统算法（QLSAs）失去指数加速的问题。
• 克服 QLSA 在利用初始解猜测以加速收敛方面的局限性。
• 开发一种将多重网格迭代集成到有限元系统量子计算中的量子算法。
• 实现在有限元离散化产生的大规模线性系统求解中的指数加速。

提出的方法

• 该算法直接在表示解迭代的量子态上应用多重网格操作——限制、平滑和插值。
• 它将整个多重网格迭代序列编码为单个量子态，其中最终迭代结果作为子空间嵌入。
• 该方法利用量子幅度放大和量子态制备来加速收敛至解。
• 它采用递归量子电路结构在量子态上实现多重网格循环，同时保持量子比特数量的对数缩放。
• 该算法确保最终迭代的相对误差为 ε′ = ε / ε₀，其中 ε₀ 为初始误差，从而从初始猜测中提升效率。
• 它假设可访问有限元矩阵及其层次化粗网格表示的量子预言机。

实验结果

研究问题

• RQ1 能否在量子态上高效实现多重网格迭代，以实现对有限元线性系统的指数加速？
• RQ2 量子多重网格方法如何应对导致 QLSA 性能下降的条件数增长问题？
• RQ3 在量子迭代求解器中，初始猜测能在多大程度上被编码并加以利用以加速收敛？
• RQ4 在叠加态中保持多重网格迭代序列的量子资源成本（量子比特数和门数）是多少？
• RQ5 能否从最终量子态中高效提取最终解，同时保持指数加速特性？

主要发现

• 量子多重网格算法求解有限元线性系统的运行时间为 O(poly log(N/ε′))，相比经典多重网格方法实现了指数加速。
• 该算法仅需 O(poly log(N/ε′)) 量子比特，使其在大规模问题上具有资源效率。
• 最终量子态编码了整个多重网格迭代序列，其中最终迭代的相对误差为 ε′ = ε / ε₀，ε₀ 为初始误差。
• 从量子态中高效提取最终迭代是可行的，但无法保证高效提取完整的迭代序列。
• 数值分析验证了理论复杂度缩放，并证实了该算法在典型有限元问题上的收敛行为。
• 该方法克服了通常会抵消 QLSA 在有限元问题中指数加速的条件数障碍。