[论文解读] Quantum polar decomposition algorithm
本文提出了一种确定性量子算法，用于计算矩阵 A = UB 的极分解，其中 U 为酉矩阵，B 为正定厄米特矩阵，仅依赖于对哈密顿量 H = [[0, A†], [A, 0]] 的应用能力。该算法在时间 O(κ) 内高效实现 U、e^{-iBt} 和 e^{-iB̃t}，且与希尔伯特空间维度无关，适用于量子普罗克拉斯忒斯问题、良好测量以及正哈密顿量近似等应用。
The polar decomposition for a matrix $A$ is $A=UB$, where $B$ is a positive Hermitian matrix and $U$ is unitary (or, if $A$ is not square, an isometry). This paper shows that the ability to apply a Hamiltonian $\pmatrix{ 0 & A^\dagger \cr A & 0 \cr} $ translates into the ability to perform the transformations $e^{-iBt}$ and $U$ in a deterministic fashion. We show how to use the quantum polar decomposition algorithm to solve the quantum Procrustes problem, to perform pretty good measurements, to find the positive Hamiltonian closest to any Hamiltonian, and to perform a Hamiltonian version of the quantum singular value transformation.
研究动机与目标
- 开发一种仅通过访问特定哈密顿量 H = [[0, A†], [A, 0]] 实现矩阵极分解 U、B、B̃ 的确定性量子算法。
- 将量子线性系统算法扩展，以实现由 A 衍生出的酉变换和正定厄米特变换的确定性实现。
- 在量子信息协议中实现应用，如量子普罗克拉斯忒斯问题、良好测量以及正哈密顿量近似。
- 将该方法推广至无限维希尔伯特空间，包括量子场和简谐振子。
- 建立量子奇异值变换的哈密顿量类比，称为“QSVT 的哈密顿量版本”。
提出的方法
- 使用广义的量子线性系统算法结合相位估计算法，将 H 的本征态与本征值估计相关联。
- 对分块对角哈密顿量 M = [[D, A†], [A, D̃]] 应用酉变换 V = P₀ - P₁，通过一阶 Trotter 化实现有效哈密顿量 [[0, A†], [A, 0]]。
- 利用对 [[0, A†], [A, 0]] 的应用能力，通过相同的相位估计算法与逆变换框架实现 e^{-iBt} 和 e^{-iB̃t}。
- 通过相同流程实现酉矩阵 U = A(A†A)^{-1/2}，时间复杂度为 O(κ)，其中 κ 为 A 的条件数。
- 应用连续变量量子计算技术，将算法扩展至无限维系统，如涉及湮灭与产生算符的系统。
- 利用所得 U 通过应用 U 后进行计算基测量实现良好测量，通过 U† 进行后选择以制备输出态。
实验结果
研究问题
- RQ1是否可以仅通过访问特定的分块哈密顿量，在量子设置中确定性地计算矩阵的极分解？
- RQ2仅通过应用 H = [[0, A†], [A, 0]] 的能力，实现 U、B 和 B̃ 的时间复杂度是多少？
- RQ3该算法能否扩展至描述量子场的无限维希尔伯特空间？
- RQ4量子极分解如何用于求解量子普罗克拉斯忒斯问题并实现良好测量？
- RQ5是否存在量子奇异值变换的哈密顿量类比？若存在，其构造方式如何？
主要发现
- 量子极分解算法在时间 O(κ) 内实现酉矩阵 U = A(A†A)^{-1/2}，其中 κ 为 A 的条件数。
- 变换 e^{-iBt} 和 e^{-iB̃t} 在时间 O(κt/ε) 内实现，其中 ε 为期望精度。
- 该算法的运行时间与希尔伯特空间维度无关，使其适用于无限维系统，如量子简谐振子。
- 该方法通过重建最优酉矩阵以映射输入-输出对，实现了量子普罗克拉斯忒斯问题的高效求解。
- 该算法通过实现酉矩阵 U 并在计算基中测量，结合 U† 的后处理，实现了良好测量。
- 该构造可推广为量子奇异值变换的哈密顿量版本，为基于谱性质的量子算法提供新框架。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。