Double-Randomized Quantum Singular Value Transformations For Early Fault-Tolerant Quantum Computers
本文提出了一种双重随机量子奇异值变换(QSVT)框架,该框架结合了随机块编码和随机多项式,旨在以乘性降低电路深度的同时保持加性误差缩放,从而使 QSVT 能够应用于长程海森堡和铁硫哈密顿量等复杂问题,以适配早期容错量子硬件。
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
量子计算机有望解决目前即使是最强大的超级计算机也无法完成的问题,从模拟复杂的化学反应到模拟新材料的行为。为了实现这一目标,它们依赖于一套可以操纵量子粒子微妙状态的数学工具。其中最强大的工具之一是被称为“量子奇异值变换”(Quantum Singular Value Transformation)的框架。可以将这个框架想象成一台精密的机器,它接收物理系统的数学描述,并对其进行重塑,以揭示特定的属性,例如分子的最低能量状态或系统随时间演化的过程。然而,为了让这台机器正常工作,必须首先为它输入一个精确、高保真的系统表示。在现实世界中,这些表示往往极其复杂,由成千上万甚至数百万个独立的组成部分构成。在我们目前能够制造出的、尚处于从自身内部错误中恢复阶段的量子计算机上,这些表示的庞大规模造成了一个瓶颈。处理这些表示所需的电路过于深且过长,导致计算在完成之前就会失败。
北卡罗来纳州立大学的一个研究小组开发出一种新策略来绕过这个瓶颈,使这些先进的计算在不久的将来于早期、不完美的量子硬件上变得可行。他们详细介绍在近期一项研究中的这种方法涉及一种称为“双重随机化”(double-randomized)处理的技术。与其试图一次性将整个庞大且难以驾驭的系统描述输入量子计算机,研究人员将问题分为两部分:一个包含最重要部分的“核心”部分,以及一个包含剩余较小细节的“尾部”部分。他们并没有忽略尾部,而是使用了一种巧妙的随机采样形式。他们从尾部中随机抽取一小部分组成部分,将其与核心部分混合,然后将这个简化版本输入量子电路。他们多次重复这个过程,每次都使用不同的随机选择。通过对多次运行的结果进行平均,量子计算机实际上重建了完整的图像,但从未需要在单次易出错的尝试中处理整个复杂的描述。
研究人员发现,这种方法可以让他们大幅减少表示系统所需的组件数量。在模拟中,他们在两种截然不同的物理问题上测试了这种方法。第一种涉及原子网格中磁相互作用的模型,其中原子之间的力随着距离的增加而减弱。第二种涉及铁硫配合物(iron-sulfur complexes),这类分子存在于自然界中,对生物过程至关重要,由于其复杂的电子行为,模拟难度极大。在这两种情况下,团队都表明,通过使用他们的随机化方法,他们可以在仅使用传统方法所需数据的一小部分的情况下,实现极高的准确度。对于某些铁硫分子,他们证明了构建量子电路所需的项数可以减少十倍或更多。这种减少不仅仅是一个微小的优化;它是“计算无法运行”与“能在未来几年内可能存在的硬件上完成计算”之间的本质区别。
这种新方法的威力在于它如何结合了两种不同类型的随机性。第一种类型涉及前文所述的物理项的随机采样。第二种类型涉及对计算机被要求执行的数学函数进行随机化。通过将这两种策略整合到一个统一的过程中,研究人员展示了其收益是倍增的。每种随机性引入的误差只是简单地相加,而不是复合增长,从而保持了最终结果的可靠性。这与以往的随机化方法有显著不同,在旧方法中,随机化往往会导致难以控制的精度损失。团队在数学上证明了他们的方法能将误差控制在严格且可预测的范围内,确保简化的随机化电路仍能产生忠实于原始复杂问题的结果。
其中一个最令人惊讶的发现是,该方法的成功在很大程度上取决于问题的表达方式。当研究人员观察铁硫分子时,他们发现电子的数学基底(即描述电子的具体方式)产生了巨大的影响。当他们使用一种标准的、教科书式的电子描述方式时,该方法需要适量的数据。然而,当他们切换到另一种更专门的电子描述方式时,所需的数据量急剧下降。这表明,解锁这些量子计算机潜力的关键可能不仅在于制造更好的硬件,还在于寻找更好的方法,将现实世界的问题翻译成计算机理解的语言。研究人员并没有发现新的物理定律,而是发现了一种组织信息的新方法,使得现有的量子力学定律更容易被计算。
该研究并未声称解决了量子计算的所有问题,也没有暗示这些计算可以在目前的机器上完美执行。其结果是基于严谨的数学证明和数值模拟,而非在物理量子计算机上运行完整的算法。作者谨慎地指出,他们计算出的误差界限是最大可能误差的保证,这意味着在实际运行中,真实的误差可能会更低。他们还指出,虽然该方法对于测试的特定类型问题效果良好,但改进程度会因具体系统和计算目标的不同而异。例如,该方法对于粒子间相互作用随距离快速衰减的系统表现得异常出色,但研究人员也展示了,只要使用正确的数学工具,即使是对于相互作用衰减较慢的系统,该方法依然有效。
这项工作代表了向“早期容错”(early fault-tolerant)量子计算时代迈出的关键一步。在这个阶段,机器足够强大可以纠正自身的错误,但尚未强大到足以运行以前设想的那些大规模、数十亿步长的算法。通过展示复杂的题目可以被分解为易于管理的随机化部分而不丢失精度,研究人员为在即将到来的硬件上演示量子算法的力量开辟了一条路径。利用显著减少的资源来模拟像铁硫簇这样复杂的分子,可以加速新药、催化剂和材料的发现。研究人员总结道,尽管他们的工作是一项理论和数值上的进步,但它为立即进行实验演示铺平了道路。他们期待着看到这些方法在真实硬件上得到测试,在那里,电路深度的理论节省可以转化为超越简单概念验证实验的第一个实际量子计算应用。
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。