
量子优势得益于量子力学规则;量子计算模型也受限于量子力学规则。相比于设计经典算法,设计量子算法有更多的掣肘,是带着镣铐跳舞。许多量子算法只能解决特定的问题,这些问题的形式相对特殊,没有或很少触碰到量子计算模型的能力界限。为了将量子计算推向实际应用,人们开始尝试触碰这些界限,设计更通用、解决更一般问题的量子算法,HHL 就是其中一个代表。虽然 HHL 并不完美,但人们的想法开始萌芽:探索求解线性代数、动力系统等较为普遍的数学问题的量子算法,以期量子计算在未来,以可调用的数值求解器的形式,助力通用科学计算、机器学习等重计算负担的应用。
QSVT 是当代量子算法的重要成果,它能在量子计算机上处理一些较为普遍的线性代数问题,比如矩阵逆、特征值分析等[1]。有人称 QSVT 是许多量子算法的“大一统”[2]。
QSVT 使用了单变量 QSP 作为子例程。下面将介绍 QSP,QSVT,以及它们背后的一个数学工具:切比雪夫多项式。
QSP 是一条流水线,里面装着旋转门(rotation gates)和信号门(signal gates)。通过巧妙地组合这些门,我们可以构造一个酉算符,这个算符在某个子空间上的投影可以用一个多项式来表示。简单来说,QSP 能让我们在量子计算机上实现一些数学函数的近似,而且这些函数通常是多项式形式的。
QSVT 是一座 QSP 大工厂。QSP 是对单个信号进行处理,QSVT 则是对矩阵的奇异值(singular values)进行变换。它的核心思想是把 QSP 推广到更高维度,用 Qubitization 技术访问块编码子空间,对矩阵的奇异值作用某个函数。

图1. 来自 Pennylane[3]的可爱手绘
单变量 QSP 的形式如下[4]:
度数不超过
(对于 )和 (对于 ); 奇偶性要求:
(对于 )和 (对于 ); 单位性条件:
。
通过调整参数
QSVT 的泛用性归功于背后的数学工具。其中一个重要的数学工具是切比雪夫多项式。它们是一类特殊的正交多项式,用处是函数逼近:
1. 正交性:在区间
2. 逼近能力:任何
QSP 的目标是构造一个多项式
其原因在于,切比雪夫多项式是正交的,而且它们在
举个例子:假设我们想用 QSP 实现一个简单的函数,比如
QSVT 的目标是对一个矩阵
读者可能已经注意到,前面只在实数上介绍了切比雪夫多项式的性质。为了让这个工具真正适配量子计算,需要把这些好性质扩展到复数上。
复数上的形式:
参考 [5] 中的思路,接下来展示:在复数上,切比雪夫多项式的系数也能够保持好的衰减性质,从而可以高效逼近。
解析延拓:对于一个在
对于切比雪夫多项式,用环面
-
-
插入前面复数版本的形式,然后做柯西积分:
-
-
用留数定理可以快速验证这些积分:
接下来,我们将分析系数的衰减速度。
若
举个例子:
对于
QSVT 背后的有趣数学工具还有很多。前面的段落介绍了单变量 QSP 操作背后的数学工具。而从单变量到矩阵,需要做 qubitization:借助 Jordan's Lemma 或者 Cosin-Sin Decomposition 等工具,像操作单个变量一样操作矩阵的特征值,从而可以对厄米矩阵的特征值或非厄米矩阵的奇异值做变换。QSP 也发展出了多变量版本[7]:使用 Fejér-Riesz Theorem 等工具,支持更复杂的多变量多项式变换,高效计算某些依赖多个变量的属性。
回到前文,作为量子算法的“大一统”,我们可以通过挑选合适的
哈密顿模拟:也就是在量子计算机上模拟动力系统演化,也就是近似
再简单列举其他的:
无结构搜索:目标是近似
线性方程组求解:目标是近似
相位估计:目标是近似

图2. PRX Quantum 刊载版本论文的示意图[2]
QSVT 之后还有 QEVT,用来处理非正规矩阵,进一步用到了 Chebyshev 母函数等工具[9]。
最后,笔者提醒大家,近日换季,请大家注意饮食安全,通风换气,以及穿衣保暖。祝大家身体健康。
参考文献:
[1] András Gilyén, Yuan Su, Guang Hao Low, Nathan Wiebe. Quantum singular value transformation and beyond: exponential improvements for quantum matrix arithmetics, In Proceedings of the 51st Annual ACM SIGACT Symposium on Theory of Computing (STOC 2019), pp. 193-204
[2] John M. Martyn, Zane M. Rossi, Andrew K. Tan, and Isaac L. Chuang Grand Unification of Quantum Algorithms, PRX Quantum 2, 040203
[3] Juan Miguel Arrazola. https://pennylane.ai/qml/demos/tutorial_intro_qsvt
[4] Guang Hao Low, Isaac L. Chuang. Optimal Hamiltonian Simulation by Quantum Signal Processing
[5] Ewin Tang, Kevin Tian. A CS guide to the quantum singular value transformation. arXiv:2302.14324
[6] Sushant Sachdeva and Nisheeth K. Vishnoi. Faster algorithms via approximation the ory. Found. Trends Theor. Comput. Sci., 9(2):125–210, 2014.
[7] Zane M. Rossi, Isaac L. Chuang. Multivariable quantum signal processing (M-QSP): prophecies of the two-headed oracle
[8] Lloyd N. Trefethen. Approximation theory and approximation practice, extended edition. Extended edition [of 3012510]. Philadelphia, PA: Society for Industrial and Applied Mathematics, 2019, pp. xi+363. isbn: 978-1-611975-93-2.
[9] Guang Hao Low, Yuan Su. Quantum eigenvalue processing

文 | 李天翊
图 | 朱成轩

— 版权声明 —
本微信公众号所有内容,由北京大学前沿计算研究中心微信自身创作、收集的文字、图片和音视频资料,版权属北京大学前沿计算研究中心微信所有;从公开渠道收集、整理及授权转载的文字、图片和音视频资料,版权属原作者。本公众号内容原作者如不愿意在本号刊登内容,请及时通知本号,予以删除。

内容中包含的图片若涉及版权问题,请及时与我们联系删除
评论
沙发等你来抢