[论文解读] Quantum Walk on the Line

Nayak Ashwin, Ashvin Vishwanath|arXiv (Cornell University)|Dec 13, 2000

Quantum Computing Algorithms and Architecture参考文献 17被引用 127

一句话总结

本文研究了直线上的无偏量子行走，重点关注Hadamard行走模型，证明经过t个时间步后，量子行走的概率分布几乎在区间[−t/√2, t/√2]上趋于均匀。这导致在圆环上的线性混合时间，相较于经典随机行走的二次混合时间有显著改进，凸显了量子行走动力学中的根本性加速优势。

ABSTRACT

Motivated by the immense success of random walk and Markov chain methods in the design of classical algorithms, we consider {\em quantum\/} walks on graphs. We analyse in detail the behaviour of unbiased quantum walk on the line, with the example of a typical walk, the ``Hadamard walk''''. In particular, we show that after~$t$ time steps, the probability distribution on the line induced by the Hadamard walk is almost uniformly distributed over the interval~$[-t/\sqrt{2},\;t/\sqrt{2}]$. This implies that the same walk defined on the circle mixes in {\em linear\/} time. This is in direct contrast with the quadratic mixing time for the corresponding classical walk. We conclude by indicating how our techniques may be applied to more general graphs.

研究动机与目标

• 分析无偏量子行走在线上（特别是Hadamard行走模型）的行为。
• 理解经过t个时间步后，量子行走所诱导的概率分布。
• 将量子行走的混合时间与相同结构下经典随机行走的混合时间进行比较。
• 证明在圆环上，量子行走的混合时间为线性时间，与经典行走的二次时间形成鲜明对比。

提出的方法

• 本文以Hadamard行走作为无限直线上无偏量子行走的典型范例进行研究。
• 通过Hadamard泡利算符定义行走的时间演化，采用量子力学振幅演化方法。
• 推导并分析经过t步后的概率分布，以揭示其在特定区间内的集中性与均匀性。
• 通过考虑周期性边界条件，将分析扩展至有限圆环上的行走。
• 应用量子概率与行走动力学的理论工具，以表征分布的形状与支撑范围。
• 将量子行走的混合时间与经典随机行走的混合时间进行比较，以突出其加速优势。

实验结果

研究问题

• RQ1 经过t个时间步后，直线上的量子行走的概率分布如何演化？
• RQ2 经过t步后，Hadamard行走的概率分布的空间范围是什么？
• RQ3 在圆环上，量子行走的混合时间与经典随机行走的混合时间相比如何？
• RQ4 量子行走是否能在线性时间内实现对线性扩展区间的均匀分布？
• RQ5 量子行走的何种结构或动力学特征导致其混合速度优于经典对应物？

主要发现

• 经过t个时间步后，Hadamard行走的概率分布几乎在区间[−t/√2, t/√2]上均匀分布。
• 由于在随时间线性扩展的区间上分布均匀，圆环上的量子行走以线性时间混合，具体为O(t)步。
• 这种线性混合时间与经典随机行走的二次混合时间O(t²)形成鲜明对比。
• 分布在此区间内的均匀性意味着量子行走动力学能高效覆盖直线。
• 结果表明，量子行走可在图上实现比经典对应物更快的混合，具有潜在的量子算法设计应用价值。