量子计算的理论发展(四)

简介:

Grover搜索算法和Shor质因数分解算法是量子计算中最为经典且重要的两个算法。Shor算法利用了量子傅里叶变换和一些数论的理论,非常令人震撼,其在破解银行等领域的密钥方面的作用一直被视为量子计算机的重要应用之一。不过笔者认为Grover算法的意义可能来的更为广泛,首先它的算法复杂度被证明是最优的搜索算法,其次Grover算法可以加速一切NP问题。

算法复杂度理论认为解决问题的范围大概是这样:

P problem指的是可以多项式时间解决的问题,NP problem是可以多项式时间验证的问题,NP包括P,但是为了方便,接下来提到的NP问题特指能够多项式时间验证但不能多项式时间解决的问题;NP complete是NP中最难解决的问题,如果它们被多项式时间内解决,那么所有NP问题都可以被多项式时间解决。BQP是量子计算机可以在多项式时间内解决的问题,一般认为BQP大于P但小于NP,比如质因数分解暂时可以认为是一个NP问题(学术界没有定论),那么Shor算法解决的就是BQP中不在P problem那个范围内的问题了。

Grover算法并没有达到多项式时间的复杂度,经典算法的复杂度是O\left( N \right) ,它的时间复杂度是O\left(\sqrt N \right) ,但是它可以加速一切NP问题(这是因为所有NP问题都可以归并为多项式时间验证的搜索问题),它的应用范围就更加广泛了,像现在云计算和大数据处理,这种根号级别的提速也是非常可观的。

Grover算法逻辑门如图:

前面和DJ算法类似,经过Hadamard变换和Quantum Oracle (Uw),得到

这里的f(x)是Uw引入的函数,当|x>是我们要搜索的对象|w>时,f(x)的值为1;当|x>不是我们要搜索的对象|w>时,f(x)的值为0;我们舍弃辅助比特(|0>-|1>)来观察f(x)的作用,得到


U_{w} : |x>\rightarrow (-1)^{f(x)}|x>

代入f(x),得到

按照如图电路,接下来我们定义

U_{s} =H^{(n)}(2|0><0|-I)H^{(n)}=2|s><s|-I

其中|s>=H^{(n)}|0>=\frac{1}{\sqrt{2^n}} \sum_{x=0}^{2^n-1}{|x>}

整个过程可以通过一个几何图像了解

|s'>是和待搜索量|w>正交的2^n-1维超平面,经过Hadamard变换得到的|s>经过Uw变换相当于对|s'>做轴对称,然后在经过Us变换,相当于对|s>做轴对称,这样每次完成这个循环,|s>向|w>前进theta角,而theta角满足:

sin\theta =<s|w>=\frac{1}{\sqrt{2^n}}

我们将这一步骤重复T次,最终我们希望(2T+1)\theta =\pi/2,这样就搜索到了想要的|w>,根据计算,当T=\frac{\pi}{4} \sqrt{2^n}时,搜索到|w>的概率为P=|<w|\psi _T>|^2=sin^2(2T+1)\theta=1-O(\frac{1}{2^n} ),所以量子搜索的次数为\frac{\pi}{4} \sqrt{2^n}次,而经典搜索是2^n次,相比之下量子搜索实现了根号级别的加速。

如果要同时有r项满足搜索条件,我们只需要记|\varpi >=\frac{1}{\sqrt{r}} \sum_{i=1}^{r}{|w_i>} ,这是只需要搜索\frac{\pi}{4} \sqrt{\frac{2^n}{r} }次,但搜索的前提是我们知道r是多少,不然搜索次数不对的话搜索到要找的对象的概率可能是0,一般还会使用量子计数算法先得到求解的数目。

最终电路的实现,主要考虑U_{s} =H^{(n)}(2|0><0|-I)H^{(n)},我们知道I-2|0><0|表示的意义是当输入比特都为|0>时做相位翻转,这个可以通过n比特相位控制门(n-1个比特都为1时最后一个比特相位翻转,实际上也是整个比特串相位翻转)外加非门实现,而相位控制门可以通过控制非门和Hadamard门实现。对于两比特的搜索,最终完整的电路如图所示:

大家可以自己演算一下两比特的搜索需要几步完成。


原文发布时间为:2017.02.01
本文作者:Golden Horqin
本文来源:知乎,如需转载请联系原作者。

目录
相关文章
|
8月前
|
存储 运维 vr&ar
实时云渲染与云桌面解析(二):从云桌面到实时云渲染:图形计算云化的下一站
实时云渲染技术通过云端渲染、终端显示的模式,解决了延迟和性能问题,支持多端接入和快速部署。相比云桌面,实时云渲染更适用于3D设计、VR等图形密集型场景,具有低延迟、弹性扩展等优势。随着5G和边缘计算发展,实时云渲染正推动图形计算向"云-边-端"协同演进,成为数字化转型的重要技术支撑。
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
33_ LLM的定义与规模化:参数与计算力
在人工智能发展的长河中,2022年底ChatGPT的横空出世标志着大语言模型(LLM)时代的正式开启。自那时起,LLM技术以惊人的速度演进,从实验室走向产业应用,重塑着人类与计算机的交互方式。到2025年,全球LLMs已正式进入"模型即服务"(MaaS)时代,参数量级突破万亿级,成为驱动数字经济发展的核心引擎
1501 0
|
6月前
|
人工智能 自然语言处理 安全
Gemini:2026年最强AI模型之一,如何在实际应用中挑战GPT与Claude的地位?
2026年,大模型竞争正从“谁更强”转向“谁更稳、更适配工程”。Gemini凭借推理结构一致性、长上下文稳定性及多模型协同友好性,成为生产系统关键选项,推动AI架构向“可调度的模型能力”演进。
|
Ubuntu Linux 网络安全
Ubuntu 16.04 LTS发布:新特性与全面支持
Canonical还发布了Ubuntu Server 16.04 LTS版本。该版本不仅包括LXD 2.0这一提供类似虚拟机体验的容器管理器,还集成了Docker 1.10、libvirt 1.3.1、QEMU 2.5、Open vSwitch 2.5.0以及Ceph Jewel 10.1.2 RC等众多组件。值得注意的是,Ubuntu Server 16.04 LTS还支持远程内核崩溃转储功能,通过SSH和NFS可轻松进行转储操作。此外,该版本还配备了最新的OpenStack发布Mitaka,由OpenStack Identity、OpenStack Imaging、OpenStack Bl
|
人工智能 关系型数据库 OLAP
光云科技 X AnalyticDB:构建 AI 时代下的云原生企业级数仓
AnalyticDB承载了光云海量数据的实时在线分析,为各个业务线的商家提供了丝滑的数据服务,实时物化视图、租户资源隔离、冷热分离等企业级特性,很好的解决了SaaS场景下的业务痛点,也平衡了成本。同时也基于通义+AnalyticDB研发了企业级智能客服、智能导购等行业解决方案,借助大模型和云计算为商家赋能。
1124 17
|
11月前
|
机器学习/深度学习 自然语言处理 BI
阿里云开发者必备:GPT 从核心原理到企业级部署的全流程指南
GPT基于Transformer解码器架构,通过BPE分词、遮蔽自注意力与堆叠解码器实现自回归生成。结合指令微调与领域适配,已在汽车BI、开发者工具等场景落地。阿里云提供从模型训练到轻量化部署的全链路支持,推动GPT在产业智能化中的深度融合与应用创新。(238字)
1185 2
|
安全 Linux 网络安全
Kali渗透测试:自动播放文件攻击
Kali渗透测试:自动播放文件攻击
424 0
|
存储 弹性计算 人工智能
阿里云弹性计算_通用计算专场精华概览 | 2024云栖大会回顾
阿里云弹性计算产品线、存储产品线产品负责人Alex Chen(陈起鲲)及团队内多位专家,和中国电子技术标准化研究院云计算标准负责人陈行、北京望石智慧科技有限公司首席架构师王晓满两位嘉宾,一同带来了题为《通用计算新品发布与行业实践》的专场Session。本次专场内容包括阿里云弹性计算全新发布的产品家族、阿里云第 9 代 ECS 企业级实例、CIPU 2.0技术解读、E-HPC+超算融合、倚天云原生算力解析等内容,并发布了国内首个云超算国家标准。
阿里云弹性计算_通用计算专场精华概览 | 2024云栖大会回顾
|
存储 数据挖掘 索引
Pandas数据结构:Series与DataFrame
本文介绍了 Python 的 Pandas 库中两种主要数据结构 `Series` 和 ``DataFrame`,从基础概念入手,详细讲解了它们的创建、常见问题及解决方案,包括数据缺失处理、数据类型转换、重复数据删除、数据筛选、排序、聚合和合并等操作。同时,还提供了常见报错及解决方法,帮助读者更好地理解和使用 Pandas 进行数据分析。
1197 11