Quantum algorithms for optimal control: large-scale finite-horizon linear-quadratic regulation
本文提出了一种量子算法，通过将大规模有限时界线性二次型调节问题重新表述为具有与时界无关的条件数的多次射击线性系统，在无需显式构建 Riccati 解算子的条件下，实现了系统规模和控制时长呈多项式对数级缩放的求解。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个机器必须在瞬息之间做出决策以保持平衡的世界，或者电力网必须根据不断变化的负载进行即时调整的世界，亦或是航天器必须以完美的精度导航复杂轨迹的世界。在所有这些案例中，工程师们都依赖于一种被称为“最优控制”的数学框架。其目标非常简单：引导一个系统从起点到达理想的终点，同时尽可能少地消耗能量或时间。几十年来，解决这类问题最可靠的工具是一种被称为“线性二次型调节”的方法。当系统表现出直线且可预测的行为，且犯错的代价以平滑且可预测的方式增长时，这种方法运作得非常出色。然而，当执行任务的时间窗口是固定且有限的——例如，无人机着陆或电厂稳定所需的特定秒数——数学计算就会变得异常困难。寻找完美路径所需的方程涉及一个复杂的非线性谜题，随着系统规模变大或时间窗口拉长，其难度呈指数级增长。我们今天使用的经典计算机在处理此类问题时往往会遇到瓶板，难以足够快地计算出结果，从而无法满足大规模实时应用的需求。
一组研究人员现在开发了一种利用量子计算原理来绕过这些瓶颈的新方法。他们并没有尝试直接解决这个困难的非线性谜题，而是找到了一种重构整个问题的方法。他们将描述系统运动以及误差成本如何累积的标准方程结合在一起，形成了一个单一的、庞大的线性方程组。这可以类比为将一团缠绕在一起的绳结铺平在桌面上；虽然解开绳结很难，但铺平后的排列却很容易测量。通过这种方式组织问题，他们将一个混沌的、随时间变化的挑战转化为了一个结构化的、静态的任务。这种新的公式化方法使他们能够使用一种专门用于求解线性系统的量子算法，而这正是量子计算机相对于其经典对应物具有显著优势的任务领域。
研究人员证明，只要系统足够稳定且可控，这种新方法即使对于非常长的时间周期和非常大的系统也能高效运行。他们展示了计算难度并不会随着时间窗口的延长而爆炸式增长，而这曾是此前尝试中的一个难题。事实上，他们表明对于一类特定的系统——例如由弹簧连接的一长串质量块，这是从桥梁到分子链等各种事物的常见模型——计算难度的增长极其缓慢，以至于随着系统规模变大，这种增长几乎可以忽略不计。这意味着，理论上，量子计算机可以在经典超级计算机所需时间的极短比例内，为大规模系统找到最优控制输入。
为了确保其理论的严密性，该团队在经典计算机上进行了广泛的数值实验，以模拟其方法在实际中的表现。他们测试了三种不同类型的系统：质量块与弹簧链、跟随领航者的车辆队列，以及在场域中扩散的化学反应。在每种情况下，模拟都证实了他们的数学重构是准确的，并且无论模拟运行多久或系统包含多少个部分，系统都保持着良好的状态，即“条件良好”。他们发现，该方法可以高精度地估算最佳成本以及在任何特定时刻所需的精确控制动作。结果表明，对于具有固定控制输入数量的系统，寻找解所需的时间随系统规模增长的速度极其缓慢，在实际应用中几乎可以视为常数。
这项工作并不声称解决了所有存在的控制问题，也不声称量子计算机已经准备好在现有的硬件上运行这些算法。研究人员明确表示，他们的发现是基于理论证明和模拟的。然而，他们建立了一条清晰的前行路径。通过证明这些问题的底层数学结构是可以被驯服并实现高效量子处理的，他们消除了一个主要的理论障碍。他们的发现表明，一旦量子硬件成熟，解决目前难以触及的大规模、时效性强的控制问题将成为可能，这可能会彻底改变我们管理复杂基础设施、引导自动驾驶车辆以及稳定关键能源系统的方式。核心洞察在于，通过改变看待问题的视角，不可能的任务变成了仅仅是困难，而困难的任务则变得可以处理。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。