论文总结--variational quantum linear solver with dynamic ansatz

近期读完了近期利用变分求解线性方程组的三篇文章，总结一下三篇文章的核心。

1.论文

 

2.论文思想总结

2.1  variational algorithms for linear algebra

中科院一区的一篇文章，论文思想主要是借助变分求解矩阵和向量乘积问题，以及求解线性方程组问题，代价函数的构造参照如下形式：

 这样构造代价函数最核心的目的，就是使得使得代价函数最小的量子态就是我们要求解问题的解。代价函数构造具体细节肯定会有所差异，但是形式几乎都是上述形式。

构造好代价函数之后就是H的分解，将H分解为多项式个酉算子的线性组合。代价函数的这种构造形式我们默认为H都是可以分解为多项式个酉算子的线性组合的。

从这篇论文我学到的：

（1）ansatz的选取，找使得代价函数最小量子态的过程，其实就是寻找H基态的过程，但是H的求解空间太大，我们的搜索空间也会很大，这篇文章给出的处理方式是利用含时演化，将H从H(t=0)变换到H（t=T),在H变换的过程中，（n-1）t时候得到的基态是求解nt时H(nt)的基础。

（2）代价函数的计算以及电路的搭建，这里计算代价函数的电路也是可以计算梯度的，相关的电路图还需要见论文，不过这篇文章的电路图感觉不是很直观，但是计算思想很简单。

除此之外，论文还有很多细节，比如 探究条件数、电路深度以及成功概率之间的关系，探究资源消耗和比特数之间的关系；比如如何验证解，我觉得比较有意思的是验证求解线性方程组解，这里是利用条件数和能量值确定了真实解和近似解的保真度。

2.2  variational quantum linear solver

这是2019年挂出来的文章，2020年修改了一版。是上一篇文章的衍生物，不同之处是这篇文章对于求解线性求解方程组问题，代价函数分为全局代价函数和局部代价函数进行了讨论，通过仿真实验探究了两种函数梯度消失的问题。除此之外，计算代价函数的电路也做了相应改变，计算次数减少了一半。上述文章只是简单的分析了n和资源消耗之间的关系，本文针对两种不同的A，分析了条件数、误差以及比特数和time-to-solution之间的关系。除此之外，没有什么创新点，质量不如上一篇，但是比较容易理解，适合新手入手。

2.3 variational quantum linear solver with dynamic ansatz

上文ansatz选取的hardware efficient ansatz，但是这种ansatz是比较普遍的。本文考虑的是aynamic ansatz，其实就是一层一层的搭建ansatz，一直到当前电路层数能够使得代价函数达到收敛。static ansatz 是直接给定ansatz的层数，这篇文章对比了dynamic ansatz 和static ansatz两种不同电路搭建形式下，求解线性方程组所需要的资源消耗，这里的资源=电路层数*比特数，因为我们搭建的电路每一层结构都是固定的，有n个门，所以资源是如此定义。我们将前者称作ADA(Algorithm with dynamic ansatz),后者我们成为ASA（algorithm with static ansatz）,通过大量的实验发现，对于大条件数或者大比特数，或者有噪声情况下，ADA的资源消耗要少于ASA，矩阵的稀疏性不影响二者之间的资源消耗.