Solving wave propagation problems via geometric quantum state preparation on dispersion manifolds

技术摘要：通过色散流形上的几何量子态制备求解波传播问题

问题陈述
本文解决了求解描述频域中单色波传播的亥姆霍兹方程（Helmholtz equation）的挑战。虽然量子线性系统求解器（QLSS），如基于量子奇异值变换（QSVT）的 HHL 算法及其后续算法，通过将 $2^n$ 个网格点编码进 $n$ 个量子比特，提供了实现指数级加速的潜力，但其运行时间复杂度从根本上受限于离散算子条件数 $\kappa(A)$ 的限制。对于波动方程，条件数随定义域大小呈多项式级缩放（具体为 $d$ 维空间中的 $O(N^{2/d})$），从而抵消了指数级优势。

此外，试图通过利用傅里叶基底中微分算子的对角结构来绕过矩阵求逆的直接尝试遇到了奇异性问题。逆算子 $(\omega^2/c^2 - k^2)^{-1}$ 在色散流形 $k^2 = \omega^2/c^2$ 上变为奇异。标准的量子算术方法通过制备完整的傅里叶态并随后对共振模进行后选择，会面临成功概率指数级下降的问题，因为共振曲面的维度低于完整的傅里叶空间。这导致所需的重复次数随量子比特数 $n$（即定义域大小）呈指数级增长，再次消除了量子优势。

方法论
作者提出了一种“几何量子态制备”算法，旨在规避条件数依赖和后选择效率低下的问题。该算法并非在整个傅里叶域上制备态后再过滤出共振部分，而是直接构造一个仅支持在共振流形（即色散面）上的量子态。

该方法主要分为两个阶段：

1. 共振态制备： 算法构造一个位于色散面 $k^2 = \omega^2/c^2$ 周围窄环（2D 中为环，3D 中为壳）内的傅里叶模均匀叠加态。这是通过量子算术子程序实现的，具体使用了量子平方根算法来计算环的边界（$k_y = \pm\sqrt{r_-^2 - k_x^2}$）以及量子比较器来选择环宽度 $r$ 内的模。每个模的振幅由正则化逆函数 $q(k)$ 加权，其中包含一个小的虚部 $\epsilon$ 以处理奇异性。
2. 源编码： 一旦制备好共振流形，算法便会对源项进行编码。对于位于 $(x_j, y_j)$ 且权重为 $w_j$ 的点源，算法应用受控相位门来印刻傅里叶相位因子 $e^{-i(k_x x_j + k_y y_j)}$。随后通过对源寄存器进行逆计算并后选择至零态。

最后，逆量子傅里叶变换（iQFT）将制备好的态映射回空间域，从而得到亥姆霍兹方程的解。

核心贡献与结果

• 消除条件数依赖： 通过直接在谱流形上构造解，该算法避免了通用的矩阵求逆，使得复杂度与条件数 $\kappa(A)$ 无关。
• 后选择的常数开销： 研究表明，该算法的成功概率与源的数量（$1/N_s$）成反比，且与计算定义域的大小无关。这与全定义域后选择形成了鲜明对比，后者的成功概率随系统规模衰减。
• 近似精度： 该算法通过将解限制在有限宽度的共振环内引入了近似。数值仿真表明，保持常数宽度的环（与定义域大小无关）足以维持固定的近似误差（例如，重叠误差 $< 0.01$）。误差由解的实部（主值部分）主导，而虚部（δ 函数部分）则收敛迅速。
• 复杂度分析：
  • 门复杂度： 主要成本来自于量子算术（平方根和倒数）以及比较器电路，其门复杂度为 $O(n^2)$，其中 $n$ 是每个空间维度的量子比特数。这相对于网格点数（$N = 2^n$）是多项式对数级的。
  • 量子比特数： 算法需要 $5n$ 个量子比特用于平方根电路，外加常数个用于源编码和算术的辅助量子比特。总量子比特数随 $n$ 线性缩放。
  • 重复次数： 对于固定数量的源，由于后选择导致的预期重复次数是一个常数因子，从而保持了相对于定义域大小的多项式对数级缩放。

意义与主张
本文声称，这种方法将具有奇异谱支撑的双曲型微分方程的求解，重新定义为一个几何量子态制备问题。通过利用色散关系的解析结构，该方法实现了在空间和时间缩放上相对于定义域大小的指数级优势（前提是源的数量较少）。

作者强调，该框架不仅限于亥姆霍兹方程，还适用于所有谱域解由色散关系决定的低维流形支撑的线性偏微分方程（例如，各向异性或弹性介质中的波传播）。这项工作表明，存在一种新的量子偏微分方程求解器范式，它将计算负担从矩阵求逆转向了针对特定谱流形的几何态制备。作者指出，虽然目前的表述假设了周期性边界条件，但可以通过标准的奇/偶扩展以极小的开销引入狄利克雷（Dirichlet）或诺依曼（Neumann）边界条件。