本稿は、量子コンピューターを用いた線形連立方程式の解法、すなわち量子線形システム問題(QLSP)の解決に向けたアルゴリズムの進展と応用に関する包括的な調査を提示する。古典的な線形連立方程式問題(LSP)は、科学や工学の様々な分野における数値計算の中核を成している。しかし、システムの規模や複雑さが増大するにつれて、古典的な計算モデルでは計算のボトルネックに直面し、効率性とスケーラビリティが制限される。近年、量子コンピューティングは、このような計算量の多い問題に取り組むための有望なパラダイムとして台頭してきた。
本稿では、量子線形システムアルゴリズムにおける主要な進歩と、その応用についてまとめ、分析する。まず、HHL(Harrow-Hassidim-Lloyd)アルゴリズムを分析し、その限界と計算コストの高い量子手法への依存性を指摘する。次に、これらの限界に対処し、実行時間の効率と精度を最適化することを目的とした、その後の研究を概説する。特に、エラー耐性と条件数に関して最適な下限への道を切り開いた、HHL後の機能強化に焦点を当てる。
本稿では、これらの研究を分類するための分類法を提案する。
行列Aをスペクトル的に反転させることに焦点を当てる。具体的には、A−1(またはその近似値)をbをエンコードした状態に適用するアルゴリズムを考案する。HHLアルゴリズム、フーリエ基底とチェビシェフ基底における逆関数のLCU実装、QSVTに基づく反転などが挙げられる。
断熱量子計算(AQC)またはAQCに触発された方法を使用して行列Aを反転させる。具体的には、反転プロセスを断熱進化にエンコードすることを目指す。断熱ランダム化法や時間最適断熱法などが挙げられる。
解ベクトルに可能な限り近いアンザッツ状態(試行状態)を効率的に準備し、その後、固有状態フィルタリングを使用して、解ベクトルに向かって投影、回転、または反射させる。固有状態フィルタリングと量子ゼノ効果法、離散断熱法、augmentation and kernel reflection法などが挙げられる。
本稿では、これらの方法の主要な特徴を、理論上の下限と比較した性能を含めて詳述する。また、量子コンピューティングのより広範な展望の中で、これらの開発を触発し、情報を与えてきた基礎的な研究と、その後の改良についても探求する。
さらに、これらのアルゴリズムの、微分方程式、量子機械学習、多体物理学におけるグリーン関数への応用の可能性についても議論する。
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések