昇思训练营day17学习心得-基于MindSpore Quantum的Grover搜索算法和龙算法

关于Grover

Grover搜索算法是一种利用量子叠加和相干性，通过迭代放大目标态概率振幅，以实现无序数据库高效搜索的量子算法。主要解决的是无序数据库搜索问题，即在一个未排序的数据库中快速找到满足特定条件的元素。 

基本原理

Grover搜索算法的基本原理：首先通过 Hadamard 门产生均匀叠加态，然后反复调用Grover迭代（或称为𝐺算子），以放大目标项的概率振幅同时抑制非目标项的概率振幅，最后对末态进行测量，那么就能以极大的概率得到目标态|𝜔〉​​。

Step 1：数据库初始化

将初始的量子寄存器（假设有n个量子比特）置于等概率的叠加态上。

Step 2：Grover迭代

通过重复应用Grover迭代来放大目标态的概率振幅。

Step 3：测量

对末态进行测量，以高概率得到目标态∣ω〉。

构造翻转量子比特相位的酉算子

Grover搜索算法中最关键的部分就是存在可以翻转量子比特相位的酉算子。

Oracle算子𝑈𝜔可以翻转目标态的相位，条件相移算子𝑃𝑃可以翻转|0〉态以外的每个态的相位。

龙算法

除了在规模为4的数据库中找1个数据的场景，Grover算法不能够精确的搜索出所标记态。

龙算法是Grover算法的一种改进，旨在实现精确搜索，即搜索成功率为1。

通过修改Grover迭代中的相位旋转角度，龙算法能够在所有情况下准确找到目标态。