⚛️ 量子物理

Quantum State Preparation for Complex-Valued Amplitudes

本文提出了一种利用 CORDIC 算法将实部与虚部的二进制表示转换为复数值振幅的量子态制备方法，该方法具有 $O(n^2)$ 的 T 门复杂度以及 $O(n)$ 个辅助量子比特，与线性算符组合（LCU）方法相比，提供了更高的归一化效率，并为后续算术运算保留了极坐标数据。

原作者： Fred Sun

发布于 2026-10-28

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Fred Sun

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

在量子计算领域，科学家们不断寻找方法，使机器能够利用微观世界奇特的法则，去解决当今超级计算机无法处理的问题。这些机器利用原子或电子等粒子来处理信息，其核心依赖于一个被称为“量子态”的基本概念。可以将这种状态想象成一个容纳特定信息量的容器，其中信息的数值不仅仅是一个简单的数字，而是一种同时存在的复杂可能性混合体。为了让这些机器能够胜任模拟新材料或理解原子行为等任务，研究人员必须能够将特定的数值加载到这些容器中。然而，一个显著的障碍在于：虽然量子计算机可以像标准计算机一样轻松地将数字存储为由零和一组成的序列，但它们却难以将这些简单的序列转化为高级计算所需的复杂、多层级的数值。这种在存储数字与将其作为量子计算构建模块之间存在的差距，长期以来一直是一个瓶颈，减缓了包括化学到物理在内的诸多领域的发展进程。

一位名叫 Fred Sun 的研究人员提出了一种新方法来弥补这一差距，提供了一种将复数——一种既有实部又有虚部（就像地图上的二维坐标一样）的数字——直接加载到机器量子态中的方法。挑战在于，复数难以处理，因为它们需要同时管理两个独立的信息部分。以往的方法试图分别加载实部和虚部然后再将它们组合起来，但这种方法通常需要大量的额外资源，并引入了效率低下的问题，使得整个过程在能量和时间成本上都显得既缓慢又昂贵。Sun 的工作展示了一条更直接的路径：该程序首先计算出数字的大小和方向，然后利用这两个值在一个连贯的流程中构建最终的量子态。

这一新程序的核心依赖于一种称为 CORDIC 的技术，即坐标旋转数字计算机（Coordinate Rotation Digital Computer）。这是一种巧妙的算法，几十年来一直被用于标准电子设备中以计算角度和距离，但 Sun 将其转化并应用到了量子世界。CORDIC 方法并不使用昂贵且缓慢的数学运算（如求平方根或计算反正切），而是通过将一个向量（代表复数）逐步旋转向一个已知方向来进行操作。想象一下，一根指南针的指针被一点一点地轻微拨动，直到它精确地指向它需要指向的地方。在这个过程的每一步中，计算机执行的是简单的移位和加法运算，相比于复杂的除法或求根运算，这些操作对于量子机器来说速度更快且更容易处理。通过多次重复这种旋转，计算机可以高精度地确定向量的长度以及它与参考线之间的夹角。

一旦计算机确定了长度和角度，它就会利用这两个值来构建所需的量子态。首先，它将长度编码进量子系统处于特定状态时的概率中。然后，它应用一系列被称为“门”（gates）的微型开关，引入角度作为相位偏移（phase shift）。这种相位偏移至关重要，因为它赋予了该数字“虚数”的特性，从而完成了复数值的构建。这种方法的强大之处在于它不会破坏原始信息。在整个过程中，计算机都会将原始的实部和虚部安全地保存在独立的寄存器中。在创建新状态后，计算机会逆转其计算长度和角度所采取的所有步骤，有效地清理自己的工作空间，并将所有临时内存归零。这使得原始数据保持不变，并让新的量子态处于就绪状态，这一过程被称为“可逆且原位”（reversible and in-place）的操作。

研究人员发现，这种方法效率极高。它所需的运算次数随表示输入值的比特数平方增长，这对于所需的精度而言是一个可控的成本。更重要的是，该方法使用的归一化常数（normalization constant）比以往的技术更小。简单来说，这意味着生成的量子态更接近理想值，而不需要过多的额外“增强”使其发挥作用。这种开销的减少意义重大，因为它降低了量子算法为了获得可靠答案而需要重复计算的次数。当一项计算涉及必须多次重复的昂贵步骤时，即使每步节省微小的资源，也能在总时间和能量上实现巨大的节省。论文明确指出，虽然其他方法可能使用更少类型的逻辑门，但通过拥有更小的归一化因子以及能够在编码前对极坐标表示进行进一步算术运算的能力，这种构建方式在整体效率上更具优越性。

这项工作并不声称已经解决了量子计算中的所有问题，也不暗示该方法适用于每一种场景。作者谨慎地将他们的发现界定为针对“在处理复数需要从二进制数据准备出来”的特定情况下的改进，特别是在像哈密顿量模拟（Hamiltonian simulation，模拟能量如何在系统中移动）这样的大型算法中。论文论证了，通过同时计算模长和辐角，然后对其进行编码，可以避免合并独立实部和虚部时产生的低效问题。其结果是一个相干（coherent）的状态准备程序，这意味着即使输入是一个多种不同可能性的混合体，它也能正常工作，并且它能保留输入数据以备后用。通过提供一条从二进制位到复数振幅的清晰、可逆的路径，这项研究提供了一个实用的工具，有望帮助科学家在未来的量子计算机上运行更复杂的模拟，并解决更难的问题。

技术摘要：复数值振幅的量子态制备

问题陈述
用于科学计算的量子算法（如哈密顿量模拟和基态能量估计）通常需要将数值直接编码到量子态的振幅中。虽然量子算术允许将复数 $z = x + iy $作为实部和虚部的独立二进制位存储在不同的寄存器中，但这种表示形式并不能本质地将$ z$ 编码为概率振幅。现有方法通常分别对实部和虚部进行编码，并使用线性算子组合（LCU）进行合并。然而，这种方法可能会导致较大的归一化常数，从而增加振幅放大（amplitude amplification）的成本。此外，标准算术并不保留数字的极坐标表示（ $r, \phi$ ），而这对于后续操作（如复数求逆）是必不可少的。面临的挑战在于：如何将包含 $x$ 和 $y$ 的二进制寄存器转换为一个使振幅近似于 $z/\alpha$ （其中 $\alpha$ 是归一化常数）的状态，同时保留输入寄存器并保持叠加态的相干性。

方法论
所提出的程序通过可逆地将笛卡尔表示（ $x, y$ ）转换为极坐标表示（ $r, \phi$ ），然后将这些值编码到目标量子比特的振幅和相位中。该过程由三个主要阶段组成：

可逆极坐标转换 (CORDIC)：
该算法利用坐标旋转数字计算（CORDIC）方法来计算模长 $r \approx \sqrt{x^2+y^2}$ 和辐角 $\phi \approx \text{atan2}(y, x)$ ，仅使用位移和加法运算，避免了昂贵的平方根和反正切运算。
- 预处理： 将输入向量映射到右半平面以标准化迭代规则，并根据象限应用初始角度修正。
- 迭代： 基于 $y$ 坐标的正负号，在工作寄存器上执行 $n$ 次迭代。在每一步 $j$ 中，向量按预计算的角度 $\alpha_j = \arctan(2^{-j})$ 进行旋转。更新过程涉及可逆的进位加法器和受控符号翻转（使用 S2C 转换）。
- 精度管理： 为了处理定点运算中的舍入误差，算法采用了 $O(\log n)$ 个额外的分数位。一个可逆的原位乘法器在坐标更新后清除临时工作空间，确保原始输入在反向计算（uncomputation）时保持完整。
- 模长恢复： 迭代完成后，将最终的 $x$ 坐标乘以预计算的增益常数 $K_n$ 以恢复模长 $r'$ 。
振幅与相位编码：
- 模长： 计算出的模长 $r'$ 通过 2 的幂次常数 $\alpha$ （选择 $\alpha$ 使得 $r < \alpha$ ）进行归一化，并使用 AMP 程序（Pocrnic 等人提出）将该归一化值编码到输出寄存器的振幅中，该程序将二进制位映射为振幅。
- 相位： 计算出的辐角 $\phi'$ 通过对角度寄存器的量子比特施加相位门 $P(2^j)$ 来进行编码，从而引入因子 $e^{i\phi'}$ 。
反向计算 (Uncomputation)：
由于编码过程中保留了算术寄存器（模长和角度），因此可以按相反顺序逆转 CORDIC 迭代和象限修正。这会清除所有临时辅助量子比特并将工作寄存器恢复为 $|0\rangle$ ，从而留下原始输入 $|x\rangle|y\rangle$ 和目标态 $|z'/\alpha\rangle$ 。

核心贡献与结果

复数振幅制备： 本文提出了一个连贯的流程，将实部和虚部的二进制寄存器直接映射为复数振幅 $z'/\alpha$ ，并保留了输入寄存器。
资源效率： 该程序使用 $O(n^2)$ 个 T 门和 $O(n)$ 个额外量子比特，其中 $n$ 是输入表示的位数。
误差界限： 重构复数的总误差被限制在 $O(2^{-(n-l)})$ 内，其中 $l$ 是整数位。这考虑了 CORDIC 迭代、增益乘法和相位门合成中的舍入误差。
极坐标表示的效用： 与基于 LCU 的方法不同，该方法在编码前显式地计算并保留了极坐标表示（ $r, \phi$ ）。这使得在最终的振幅编码之前，能够执行进一步的算术操作（例如通过 $r^{-1}e^{-i\phi}$ 计算倒数）。

意义与主张
作者声称，这种构造相比于通过 LCU 分别对实部和虚部进行编码，具有潜在优势。虽然 LCU 在渐近意义上可能使用更少的 Toffoli 门，但所提方法可以实现更小的归一化常数 $\alpha$ 。较小的 $\alpha$ 会增加状态制备的成功概率，从而减少振幅放大所需的步骤次数。当输入计算成本高昂且在每次放大步骤中重复进行时，这种资源节省尤为显著。此外，极坐标表示的存在使得高效实现复杂的算术操作（如求逆）成为可能，而这些操作在直接对笛卡尔编码振幅进行操作时是非常困难的。本文将此定位为大型量子算法的一个模块化组件，而非一个独立的实验性提案。

技术摘要：复数值振幅的量子态制备

类似论文