[论文解读] Variable time amplitude amplification and a faster quantum algorithm for solving systems of linear equations

Andris Ambainis|arXiv (Cornell University)|Oct 21, 2010

Quantum Computing Algorithms and Architecture参考文献 10被引用 61

一句话总结

本文提出了一种变时间幅度放大（variable-time amplitude amplification）的量子算法框架，通过根据不同分支的终止时间自适应调整放大过程，提升了效率。该方法被应用于求解线性系统的HHL算法，将运行时间从 $O(\kappa^2 \log N)$ 降低至 $O(\kappa \log^3 \kappa \log N)$，实现了对条件数 $\kappa$ 的近乎最优依赖。该方法通过利用幅度放大中可提前终止的分支，实现了更快的量子线性系统求解。

ABSTRACT

We present two new quantum algorithms. Our first algorithm is a generalization of amplitude amplification to the case when parts of the quantum algorithm that is being amplified stop at different times. Our second algorithm uses the first algorithm to improve the running time of Harrow et al. algorithm for solving systems of linear equations from O(kappa^2 log N) to O(kappa log^3 kappa log N) where κis the condition number of the system of equations.

研究动机与目标

• 开发一种新的量子幅度放大技术，能够处理不同计算分支具有不同停止时间的情况。
• 通过减少对条件数 $\kappa$ 的依赖，改进求解线性方程组的HHL量子算法的运行时间。
• 实现对 $\kappa$ 几乎最优的运行时间依赖，接近理论下界 $\Omega(\kappa^{1-o(1)})$。
• 展示变时间幅度放大的广泛适用性，不仅限于线性系统求解，还可推广至其他量子算法。

提出的方法

• 提出一种广义的幅度放大框架，分多个阶段运行，能够适应不同分支的终止时间。
• 使用一个具有三种结果的胜利寄存器：1（期望结果）、0（失败）、2（计算未完成），以追踪变时间路径上的进度。
• 构建一个新的算法 $\mathcal{A}'$，通过多次调用原始算法 $\mathcal{A}$ 实现，总时间复杂度为 $O\left(T_{\text{max}}\sqrt{\log T_{\text{max}}} + \frac{T_{\text{av}}}{\sqrt{p_{\text{succ}}}}\log^{1.5}T_{\text{max}}\right)$。
• 通过修改特征值估计算子，采用逐步提高精度并支持提前终止的策略，将变时间幅度放大应用于HHL算法。
• 在多个阶段执行幅度放大，每个阶段对应特征值估计中的一个精度等级，当检测到成功时即提前停止。
• 利用误差界和幅度分析，确保最终态以高概率接近理想解态，同时控制多阶段特征值估计中的误差传播。

实验结果

研究问题

• RQ1 幅度放大能否被推广以处理不同计算分支在不同时间终止的量子算法？
• RQ2 与原始HHL方法相比，变时间幅度放大是否能带来可证明更快的量子算法来求解线性系统？
• RQ3 量子线性系统求解器对条件数 $\kappa$ 的最优依赖关系是什么？能否通过新型幅度放大技术逼近该关系？
• RQ4 能否通过在特征值估计算法中利用提前终止，将HHL算法的 $O(\kappa^2 \log N)$ 运行时间加以改进？

主要发现

• 所提出的变时间幅度放大将总运行时间减少至 $O\left(T_{\text{max}}\sqrt{\log T_{\text{max}}} + \frac{T_{\text{av}}}{\sqrt{p_{\text{succ}}}}\log^{1.5}T_{\text{max}}\right)$，当 $T_{\text{av}} \ll T_{\text{max}}$ 时，优于标准幅度放大。
• 该算法在单次运行中获得期望态 $|\psi_{\text{good}}\rangle$ 的成功概率至少为 $1/2$，并通过 $O(\log \frac{1}{\epsilon})$ 次重复可将其提升至 $1 - \epsilon$。
• 新提出的求解线性系统的量子算法运行时间为 $O(\kappa \log^3 \kappa \log N)$，优于原始HHL算法的 $O(\kappa^2 \log N)$ 复杂度。
• 对 $\kappa$ 的依赖关系近乎最优，因为在假设 $BQP \neq PSPACE$ 的前提下，该算法已接近理论下界 $\Omega(\kappa^{1-o(1)})$。
• 误差分析表明，最终态与理想解态之间的距离在 $O(\epsilon)$ 以内，且多阶段特征值估计中的误差得到良好控制。
• 该方法在对数因子范围内达到最优，因为复杂度界中的 $T_{\text{max}}$ 和 $T_{\text{av}}/\sqrt{p_{\text{succ}}}}$ 两项均为必要项。