[论文解读] Quantum vs. classical algorithms for solving the heat equation

Noah Linden, Ashley Montanaro+1 more|arXiv (Cornell University)|Apr 14, 2020

Quantum Computing Algorithms and Architecture参考文献 31被引用 10

一句话总结

本文比较了在d维空间中求解热方程的经典算法与量子算法，重点在于估算空间区域内总热量的近似值。研究发现，尽管基于幅值估计算法的量子算法在d ≥ 2时相对于经典方法最多实现二次加速，但基于量子线性系统求解器的算法并未超越最佳经典方法，这挑战了在偏微分方程求解中存在指数级量子优势的常见说法。

ABSTRACT

Quantum computers are predicted to outperform classical ones for solving partial differential equations, perhaps exponentially. Here we consider a prototypical PDE - the heat equation in a rectangular region - and compare in detail the complexities of ten classical and quantum algorithms for solving it, in the sense of approximately computing the amount of heat in a given region. We find that, for spatial dimension $d \ge 2$, there is an at most quadratic quantum speedup using an approach based on applying amplitude estimation to an accelerated classical random walk. However, an alternative approach based on a quantum algorithm for linear equations is never faster than the best classical algorithms.

研究动机与目标

• 建立一个用于比较求解偏微分方程（PDE）时经典与量子算法的基准，以热方程作为典型范例。
• 评估在实际计算约束条件下，量子算法是否能真正实现相对于经典方法的加速。
• 从时间、空间和精度角度评估经典与量子算法的复杂度，通过假设初始条件和积分值可无成本获取，确保比较的公平性。
• 探究基于求解线性系统的量子算法（如HHL型）是否优于经典方法，或经典基于随机游走的方法是否仍更优。
• 确定在PDE求解中量子优势的程度，特别是其与维度和误差容限的关系。

提出的方法

• 在具有周期性边界条件的d维超立方空间中，对热方程采用有限差分离散化方法。
• 采用经典随机游走方法近似求解，其复杂度为O(TLdαζ/ε)，其中ε为误差容限。
• 应用幅值估计算法加速经典随机游走采样，将复杂度降低至O((T L d α ζ)/ε^{1/2})，保持相同误差水平。
• 将此经量子加速的随机游走方法与基于HHL型方法求解线性系统的量子算法进行比较。
• 假设可无成本精确访问初始条件u₀及其在区域上的积分，以避免对经典与量子比较造成偏差。
• 使用伪随机数生成器，将量子空间开销从O(m)降低至O(log m)，从而实现对数空间复杂度的量子模拟。

实验结果

研究问题

• RQ1 量子算法在求解热方程时是否能实现相对于经典算法的加速？若能，最大可实现的加速程度为何？
• RQ2 基于求解线性系统（HHL型）的量子算法是否优于热方程求解的最佳经典算法？
• RQ3 量子加速是指数级还是多项式级？其与空间维度d的关系如何？
• RQ4 幅值估计算法能否有效应用于经典随机游走模拟，从而在PDE求解中实现量子加速？
• RQ5 在模拟经典随机游走时，量子算法的时间复杂度与空间复杂度之间存在何种权衡？

主要发现

• 当d ≥ 2时，最快的量子算法通过将幅值估计应用于经典随机游走，最多实现相对于最佳经典算法的二次加速。
• 尽管理论上预期有指数级加速，但基于求解线性系统（HHL型）的量子算法从未快于最佳经典算法。
• 结合幅值估计的量子随机游走的复杂度为O((T L d α ζ)/ε^{1/2})，相比经典方法的O(T L d α ζ/ε)提升了1/ε^{1/2}倍。
• 量子随机游走的空间复杂度为O(m) = O(T² d² α² ζ / ε)，除非使用伪随机数生成器，否则远差于经典方法的O(d log n)。
• 通过使用Nisan的伪随机生成器，可将空间开销降低至多对数规模，从而使量子算法在空间上高效。
• 结果表明，PDE求解中看似存在的指数级量子加速可能被高估，而经典方法（如随机游走）在高维情况下仍具竞争力。