[论文解读] Quantum searching with continuous variables
本文提出了一种连续变量量子搜索算法，其在无限维希尔伯特空间中实现对经典搜索的平方根加速，类似于针对量子比特的Grover算法。通过使用傅里叶变换和广义傅里叶变换（GFT）将Hadamard和翻转操作推广至连续变量，该算法实现了使用qunats（如电磁场模式）在无限维希尔伯特空间中的高效搜索。
A fast quantum search algorithm for continuous variables is presented. The result is the quantum continuous variable analog of Grover's algorithm originally proposed for qubits. A continuous variable analog of the Hadamard (i.e., Fourier transform) operation is used in conjunction with inversion about the average of quantum states to allow the approximate identification of an unknown quantum state in a way that gives a square-root speed-up over search algorithms using classical continuous variables. Also, we show that this quantum search algorithm is robust for a generalised Fourier transformation on continuous variables.
研究动机与目标
- 将Grover的量子搜索算法从离散量子比特推广至连续量子变量（如位置、动量或场振幅）
- 开发一种适用于连续变量量子计算机的量子搜索框架，以qunats作为基本信息单元
- 证明当使用任意傅里叶变换作用于连续变量时，Grover算法的平方根加速特性依然保持
- 分析当使用物理上可实现的强峰态而非理想化的无限能量本征态时，该搜索算法的鲁棒性
提出的方法
- 在n维连续希尔伯特空间中构建搜索，使用基态| x⟩，其中x代表连续变量（如位置或动量）
- 引入广义傅里叶变换（GFT）作为Hadamard变换的连续类比，通过角度θ参数化，实现在连续空间中的基变换
- 构造搜索算符C^(θ)为一系列操作：GFT、关于目标态的翻转、以及逆GFT，形成希尔伯特空间中的旋转
- 翻转操作通过在连续基中使用类似狄拉克δ函数的约束，对目标区域进行投影来实现
- 利用Fubini-Study距离分析算法动力学，估算达到目标态所需的迭代次数
- GFT的使用确保了迭代次数保持在O(√(π sin θ)^n)的量级，当θ = π/2时，退化为O(√N)，其中N = (π sin θ)^n
实验结果
研究问题
- RQ1Grover的量子搜索算法能否推广至具有无限维希尔伯特空间的连续变量量子系统？
- RQ2当使用连续变量和广义傅里叶变换替代离散量子比特和Hadamard变换时，Grover算法的平方根加速特性是否依然成立？
- RQ3连续变量搜索算法的性能如何依赖于广义傅里叶变换参数θ的选择？
- RQ4当使用物理上可实现的有限能量态而非理想化的无限能量位置本征态时，该算法是否具有鲁棒性？
- RQ5考虑到使用电磁场振幅等连续变量，该搜索算法能否通过线性光学器件实现？
主要发现
- 连续变量量子搜索算法实现了平方根加速，需O(√(π sin θ)^n)次迭代即可在大小为N = (π sin θ)^n的数据库中找到目标项
- 当采用标准傅里叶变换（θ = π/2）时，算法退化为原始Grover搜索的O(√N)步数
- 该搜索算法在任意广义傅里叶变换（GFT）下依然有效，表明其对基变换选择具有鲁棒性
- Fubini-Study距离分析表明，每次应用搜索算符均使态沿固定角度步长推进，从而在√N次迭代内实现收敛
- 当使用强峰态、可归一化的态替代理想化的狄拉克δ函数位置本征态时，该算法仍保持鲁棒性，确保物理可实现性
- 该框架支持通过线性与非线性光学器件实现，其中qunats（连续变量量子单元）在搜索过程中扮演与量子比特类似的角色
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。