量子信息-学习记录11

ch.10. Deutsch-Jozsa’s算法（续）

Simon算法

  输入：一个完成下述映射的黑箱：

$$f:{\mathbb{Z}}_2^n\to {\mathbb{Z}}_2^n$$

  黑箱满足条件：存在一个串$a=a_1{a}_2\dots a_n$，使得当x=y或x=y$\oplus$a的时候，满足：f(x)=f(y)（a是函数f的“周期”）

  问题：最少需要使用多少次$U_f$，才能够确定串a？

  答案：使用经典算法时，为$2^{\frac{n}{2}}$次，使用Simon算法时，为n次

  旁注：Simon算法并未使用（相位）反冲技术

  此算法的图像表示如下：

  其中，上面左部带有H门的共有n-qubit，为寄存器1；下面左部不带H门的也有n-qubit，为寄存器2

  分状态进行分析：

$$|\psi (t_1)⟩=|0{⟩}^{\otimes n}|0{⟩}^{\otimes n}$$

$$|\psi (t_2)⟩=H^{\otimes n}|\psi (t_1)⟩=\frac{1}{2^{\frac{n}{2}}}\sum _{x\in {\mathbb{Z}}_2^n}|x⟩|0{⟩}^{\otimes n}$$

$$|\psi (t_3)⟩=U_f|\psi (t_2)⟩=\frac{1}{2^{\frac{n}{2}}}\sum _{x\in {\mathbb{Z}}_2^n}|x⟩|f(x)⟩$$

  从$|\psi (t_3)⟩$中取出其中一项：

$$|\psi (t_3){⟩}_p=\frac{1}{2^{\frac{n}{2}}}(|x_0⟩+|x_0\oplus a⟩)|f(x_0)⟩$$

  对此项继续进行下一步：

$$\begin{array}{rl}|\psi (t_4){⟩}_p& =H^{\otimes n}\frac{1}{2^{\frac{n}{2}}}(|x_0⟩+|x_0\oplus a⟩)|f(x_0)⟩\\ & =\frac{1}{2^n}\sum _{y\in {\mathbb{Z}}_2^n}\left((-1{)}^{x_0\cdot y}+(-1{)}^{(x_0\oplus a)\cdot y}\right)|y⟩|f(x_0)⟩\\ & =\frac{1}{2^n}\sum _{y\in {\mathbb{Z}}_2^n}(-1{)}^{x_0\cdot y}(1+(-1{)}^{a\cdot y})|y⟩|f(x_0)⟩\\ & =\{\begin{array}{rl}& a\cdot y=0,|\psi (t_4){⟩}_p=\frac{1}{2^{n-1}}\sum (-1{)}^{x_0\cdot y}|y⟩|f(x_0)⟩\\ & a\cdot y=1,0\end{array}\end{array}$$

  随后，对寄存器1，使用$|y_1⟩⟨y_1|\otimes Id$进行测量，当测量概率为1时，$a\cdot y_1=0$

  以此类推，对所有的项都这么进行处理，即可总共n次就能测得串$a$的值

  Simon算法是第一个展现出“量子算法可以对（NP）难问题进行指数层次上的加速”的算法

ch.11. 量子傅里叶变换（QFT）

定义

  量子傅里叶变换（QFT）是离散傅里叶变换的量子版本。此算法在量子信息与量子计算中时常涉及，在基于QFT的量子算法（例如factoring算法、Shor’s算法、相估计算法）中也有着极其重要的地位

  定义：离散傅里叶变换（DFT）

$$(x_0,x_1,\dots ,x_{n-1})\stackrel{DFT}{\to }(y_0,y_1,\dots ,y_{n-1})$$

$$y_k=\frac{1}{2^{\frac{n}{2}}}\sum _{j=0}^{2^{\frac{n}{2}}-1}{x}_j{e}^{i\frac{2\pi j\cdot k}{2^n}}$$

  令$\omega =e^{i\frac{2\pi }{2^{n/2}}}$

  则：

$$y_k=\frac{1}{2^{\frac{n}{2}}}\sum _{j=0}^{2^{\frac{n}{2}}-1}{x}_j{\omega }^{j\cdot k}$$

  其中：

$$j=j_1\cdot 2^{n-1}+j_2\cdot 2^{n-2}+\cdots +j_{n-1}\cdot 2+j_n$$

$$k=k_1\cdot 2^{n-1}+k_2\cdot 2^{n-2}+\cdots +k_{n-1}\cdot 2+k_n$$

  采用了二进制的表述

  定义：量子傅里叶变换（QFT）

$$|j_1⟩|j_2⟩\cdots |j_n⟩\stackrel{QF{T}_n}{\to }\frac{1}{2^{\frac{n}{2}}}\sum _{k=0}^{2^n-1}{e}^{i\frac{2\pi j\cdot k}{2^n}}|k_1⟩\cdots |k_n⟩$$

  其中，$\sum _{k=0}^{2^n-1}=\sum _{k_1=0}^1\cdots \sum _{k_n=0}^1$

  记：$|j⟩=|j_1⟩|j_2⟩\cdots |j_n⟩$，注意到$j$不是一个标记，而是计算结果

  同样地，记：$|k⟩=|k_1⟩|k_2⟩\cdots |k_n⟩$

  这里的$j$和$k$也可以像上述经典傅里叶变换那样，采用二进制的表述：

$$j=j_1\cdot 2^{n-1}+j_2\cdot 2^{n-2}+\cdots +j_{n-1}\cdot 2+j_n$$

$$k=k_1\cdot 2^{n-1}+k_2\cdot 2^{n-2}+\cdots +k_{n-1}\cdot 2+k_n$$

  令$\omega =e^{i\frac{2\pi }{2^n}}$，则量子傅里叶变换可以简写为：

$$|j⟩\stackrel{QF{T}_n}{\to }\frac{1}{2^{\frac{n}{2}}}\sum _{k=0}^{2^n-1}{\omega }^{j\cdot k}|k⟩$$

  由此定义$QF{T}_n$及其逆算符：

$$QF{T}_n=\frac{1}{2^{\frac{n}{2}}}\sum _{k=0}^{2^n-1}\sum _{j=0}^{2^n-1}{\omega }^{j\cdot k}|k⟩⟨j|$$

$$QF{T}_n^{-1}=\frac{1}{2^{\frac{n}{2}}}\sum _{k,j=0}^{2^n-1}{\omega }^{-j\cdot k}|k⟩⟨j|$$

  旁注：傅里叶变换的经典计算与量子计算的区别：

经典计算	$DF{T}_n$	$O(n\times 2^n)$个基本门
量子计算	$QF{T}_n$	$O(n^2)$个基本门

$QF{T}_1$

  当n=1时：

$$\begin{array}{rl}|j_1⟩& \stackrel{QF{T}_1}{\to }\frac{1}{\sqrt{2}}\sum _{k_1=0}^1{e}^{i\frac{2\pi j_1{k}_1}{2}}|k_1⟩\\ & =\frac{1}{\sqrt{2}}(|0⟩+e^{i\pi j_1}|1⟩)\\ & =\frac{1}{\sqrt{2}}(|0⟩+(-1{)}^{j_1}|1⟩)\end{array}$$

  因此，可以使用H门来实现$QF{T}_1$

$QF{T}_2$

  当n=2时，$N=2^2=4$，$k=2k_1+k_2$，$j=2j_1+j_2$，$\omega =e^{i\frac{i\pi }{4}}=i$

$QF{T}_2$的矩阵形式

$$\begin{array}{rl}QF{T}_2& =\frac{1}{2}\sum _{j=0}^3\sum _{k=0}^3{\omega }^{j\cdot k}|k⟩⟨j|\\ & =\frac{1}{2}\sum _{j_1,j_2=0}^1\sum _{k_1,k_2=0}^1{\omega }^{j\cdot k}|k_1{k}_2⟩⟨j_1{j}_2|\end{array}$$

  因为${\omega }^{j\cdot k}={\omega }^{j\cdot (2k_1+k_2)}={\omega }^{2j{k}_1}\cdot {\omega }^{j{k}_2}$

  所以：

$$\begin{array}{rl}QF{T}_2& =\frac{1}{2}\sum _{j_1,j_2=0}^1\left(\sum _{k_1=0}^1{\omega }^{2j\cdot k_1}|k_1⟩\right)\left(\sum _{k_2=0}^1{\omega }^{2j\cdot k_2}|k_2⟩\right)⟨j_1{j}_2|\\ & =\frac{1}{2}\sum _{j_1,j_2=0}^1(|0⟩+{\omega }^{2j}|1⟩)(|0⟩+{\omega }^j|1⟩)⟨j_1{j}_2|\\ & =\frac{1}{2}\sum _{j_1,j_2=0}^1(|00⟩+{\omega }^j|01⟩+{\omega }^{2j}|10⟩+{\omega }^{3j}|11⟩)⟨j_1{j}_2|\\ & =\left(\begin{array}{cccc}1& 1& 1& 1\\ {\omega }^j& {\omega }^j& {\omega }^j& {\omega }^j\\ {\omega }^{2j}& {\omega }^{2j}& {\omega }^{2j}& {\omega }^{2j}\\ {\omega }^{3j}& {\omega }^{3j}& {\omega }^{3j}& {\omega }^{3j}\end{array}\right)\end{array}$$

  矩阵的四列分别代表$j_1{j}_2$的取值为：00/01/10/11

  因此，由每一列的$j_1{j}_2$取值，去计算那一列的$j$，可以将矩阵简化为：

$$QF{T}_2=\left(\begin{array}{cccc}1& 1& 1& 1\\ 1& \omega & {\omega }^2& {\omega }^3\\ 1& {\omega }^2& {\omega }^4& {\omega }^6\\ 1& {\omega }^3& {\omega }^6& {\omega }^9\end{array}\right)=\left(\begin{array}{cccc}1& 1& 1& 1\\ 1& \omega & {\omega }^2& {\omega }^3\\ 1& {\omega }^2& 1& {\omega }^2\\ 1& {\omega }^3& {\omega }^2& \omega \end{array}\right)$$

  旁注：Simon算法可以经过QFT变换为Shor算法（factoring algorithm）

$QF{T}_2$的量子回路模型

$$|j_1{j}_2⟩\stackrel{QF{T}_2}{\to }\frac{1}{2}\sum _{k_1=0}^1\sum _{k_2=0}^1{e}^{i\frac{2\pi }{4}j\cdot k}|k_1{k}_2⟩$$

  其中，$\frac{j\cdot k}{4}=\frac{j(2k_1+k_2)}{4}=j\left(\frac{1}{2}{k}_1+\frac{1}{2^2}{k}_2\right)=\sum _{l=1}^2\frac{j}{2^l}{k}_l$

  由此：

$$\begin{array}{rl}|j_1{j}_2⟩& \stackrel{QF{T}_2}{\to }\frac{1}{2}\sum _{k_1=0}^1\sum _{k_2=0}^1\underset{l=1}{\overset{2}{\otimes }}{e}^{i2\pi \frac{j}{2^l}{k}_l}|k_1{k}_2⟩\\ & =\frac{1}{2}\left(\sum _{k_1=0}^1{e}^{i2\pi \frac{j}{2}{k}_1}|k_1⟩\right)\left(\sum _{k_2=0}^1{e}^{i\frac{2\pi }{4}j\cdot k_2}|k_2⟩\right)\\ & =\frac{1}{2}(|0⟩+e^{i2\pi \frac{j}{2}}|1⟩)(|0⟩+e^{i\frac{2\pi }{4}j}|1⟩)\\ & =\frac{1}{2}(|0⟩+e^{i2\pi 0.j_2})(|0⟩+e^{i2\pi 0.j_1{j}_2}|1⟩)\end{array}$$

  其中，$0.j_1{j}_2...j_n=\sum _{l=1}^n{2}^{-l}{j}_l$

  $QF{T}_2$算法如下所示：

  其中，$R_k=\left(\begin{array}{cc}1& 0\\ 0& e^{\frac{i2\pi }{2^k}}\end{array}\right)$，$R_2=\left(\begin{array}{cc}1& 0\\ 0& i\end{array}\right)=S$

  分阶段分析：

  在$t_1$处：

$$|{\psi }_1⟩=H|j_1⟩\otimes |j_2⟩=\frac{1}{\sqrt{2}}(|0⟩+(-1{)}^{j_1}|1⟩)\otimes |j_2⟩=\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_1}|1⟩)\otimes |j_2⟩$$

  在$t_2$处（$C{R}_2$为控制$R_2$门）：

$$\begin{array}{rl}|{\psi }_2⟩& =C{R}_2|{\psi }_1⟩\\ & =CS|{\psi }_1⟩\\ & =(I_2\otimes |0⟩⟨0|+S\otimes |1⟩⟨1|)\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_1}|1⟩)|j_2⟩\\ & =\{\begin{array}{rl}& j_2=0,\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_1{j}_2}|1⟩)|0⟩\\ & j_2=1,\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_1{e}^{i\frac{2\pi }{4}}}|1⟩)|1⟩\end{array}\\ & =\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_1{j}_2}|1⟩)|j_2⟩\end{array}$$

  在$t_3$处：

$$\begin{array}{rl}|{\psi }_3⟩& =(I_2\otimes H)|{\psi }_2⟩\\ & =\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_1{j}_2}|1⟩)\frac{1}{\sqrt{2}}(|0⟩+e^{i2\pi 0.j_{2}s}|1⟩)\end{array}$$

  在$t_4$处：

$$|{\psi }_4⟩=SWAP|{\psi }_3⟩=QF{T}_2|j_1{j}_2⟩$$

  旁注：在n=2时，$|j_1⟩$线路上有一个H门和一个条件（Condition）门，$|j_2⟩$线路上有一个H门，而$|j_1{j}_2⟩$公共线路上有一个SWAP门，可以将其拆分为三个CNOT门。由此可知，n=2时的QFT，至少需要2+1+3=6个门

  推广到$QF{T}_n$，则至少需要的门数为：$n+(n-1)+(n-2)+...+\frac{n}{2}\times 3\approx \frac{n(n+1)}{2}+\frac{3n}{2}=O(n^2)$