[论文解读] Quantum Simulated Annealing

Somma, R., Rolando D. Somma+1 more|ArXiv.org|Dec 6, 2007

Quantum Computing Algorithms and Architecture参考文献 4被引用 12

一句话总结

本文提出了一种用于组合优化的量子算法，通过使用量子行走、相位估计算法和量子Zeno效应，加速了经典模拟退火算法。该算法在经典马尔可夫链蒙特卡洛方法上实现了二次加速，将所需操作数从 $\mathcal{O}(1/\delta)$ 减少到 $\mathcal{O}(1/\sqrt{\delta})$，其中 $\delta$ 是随机矩阵的谱间隙，显著提升了在谱间隙较小的困难实例上的性能。

ABSTRACT

We develop a quantum algorithm to solve combinatorial optimization problems through quantum simulation of a classical annealing process. Our algorithm combines techniques from quantum walks, quantum phase estimation, and quantum Zeno effect. It can be viewed as a quantum analogue of the discrete-time Markov chain Monte Carlo implementation of classical simulated annealing. Our implementation scales with the inverse of the square root of the minimum spectral gap of the stochastic matrix used in the classical simulation. The quantum algorithm outperforms the classical one, which scales with the inverse of the gap.

研究动机与目标

• 开发一种比经典马尔可夫链蒙特卡洛（MCMC）方法更高效地模拟经典模拟退火的量子算法。
• 解决当谱间隙 $\delta$ 随问题规模呈指数减小而导致经典模拟退火效率低下的问题，该问题会阻碍收敛。
• 利用量子资源——特别是量子行走、相位估计算法和量子Zeno效应——在求解组合优化问题时实现可证明的加速。
• 证明量子退火过程的模拟可以优于经典方法，特别是在 $\delta \ll 1$ 的情况下。

提出的方法

• 该算法从经典可逆马尔可夫链的转移矩阵构造量子行走，通过相似变换确保酉性并保持谱性质。
• 在每个逆温度 $\beta_k$ 处，使用量子相位估计算法（QPE）将系统投影到退火哈密顿量的基态。
• 通过在辅助量子比特上频繁执行投影测量，利用量子Zeno效应抑制向激发态的跃迁，从而有效减缓演化过程并增强基态投影。
• 该算法按顺序经历一系列逆温度 $\beta_1, \beta_2, \dots, \beta_Q = \beta_f$，在每一步应用QPE，逐步将系统冷却至基态。
• 最终状态被投影到所有零的辅助量子比特寄存器上，并通过相位估计算法的误差项和谱间隙的考虑，对测量到基态的概率进行上界估计。
• 通过分析多次相位估计算法步骤的累积误差以及激发态振幅随时间的衰减，推导出实现复杂度。

实验结果

研究问题

• RQ1 量子模拟经典退火过程是否能相对于基于经典MCMC的模拟退火实现可证明的加速？
• RQ2 与经典方法相比，使用量子行走和相位估计算法如何影响退火过程的收敛速率？
• RQ3 在量子退火框架中，量子Zeno效应在多大程度上提升了基态制备的保真度？
• RQ4 在谱间隙 $\delta$ 的表达下，量子模拟退火所需操作数的量级如何？
• RQ5 与经典模拟退火相比，该量子算法是否在减少状态生成操作数的同时保持有界的错误概率？

主要发现

• 量子模拟退火（QSA）算法在误差概率为 $\epsilon$ 的条件下，以 $\mathcal{O}(\log^3(d/\epsilon^2)/(\sqrt{\delta}\epsilon^2))$ 次操作找到最优解，相较于经典模拟退火实现了二次加速。
• 经典模拟退火需要 $\mathcal{O}(1/\delta)$ 次操作，而量子版本将其减少到 $\mathcal{O}(1/\sqrt{\delta})$，使得在谱间隙较小的问题上效率显著提升。
• 量子算法的错误概率上界为 $d e^{-\beta_f \gamma} + \tau' Q \nu^2$，其中 $\gamma$ 是生成矩阵的谱间隙，$\tau'$ 是常数，确保了有界的失败概率。
• 通过在辅助量子比特上重复使用相位估计算法并结合投影测量，有效实现了量子Zeno效应，抑制了向激发态的跃迁，从而提高了基态保真度。
• 当 $\delta \ll 1$ 时，该算法在困难实例中表现最优，因为其对 $\sqrt{\delta}$ 的二次依赖导致所需操作数大幅减少。
• 分析表明，当相位估计算法的步骤数 $Q$ 和辅助量子比特的精度 $p$ 选择得当时，最终态以高概率被投影到基态，且误差由 $\nu^2$ 和 $Q$ 控制。