问题定义:

Problem:

\(f: \{ 0,1,2,3,……,N-1 \} \rightarrow \{0,1\}\)

找到 \(f(x)=1\) 的x

解法

经典解法:

经典解法很简单,就是把每一个都看一遍,如果只有一个x对应的f(x)=1,那么平均是要看一半,才能找到那个x。

时间复杂度O(N)

量子解法:

使用Grover search 算法,时间复杂度在 \(O(\sqrt N)\)

Grover search 算法

Grover search 算法一共分为两步:

  1. Phase Inversion
  2. Inversion about the Mean

然后不断的迭代这两步我们就能够得到结果了。

首先我们先看看这两个步骤分别在做什么:

我们把 $f(x)=1 $ 的 \(|x\rangle\) 称为 \(x^*\) ,我们要找的也就是这个 \(x^*\) 。

Phase Inversion:

这一步主要是把 \(x^*\) 的概率幅翻转,变成负数,而其他的保持不变。

即,把 \(\sum_{x } \alpha_x|x\rangle\) 变成 \(\sum_{x \neq x^*} \alpha_x|x\rangle -\alpha_{x^*}|x^*\rangle\)

Inversion about the Mean

这一步呢,就是把 \(\alpha_x\) 变成 \(2\mu- \alpha_x\)

\(\mu\) 是所有概率幅的平均值,\(\mu= \frac{\sum_x \alpha_x}{N}\)

用图可能更好表达这两个步骤究竟在做什么:

图1到图2,就是Phase Inversion,把\(x^*\)的概率幅翻转到了下面,图2中的虚线就是我的概率幅的平均值,图2到图3 就是我们的Inversion about the Mean,对着平均值翻转一次,其余x的概率幅是高于平均值的,所以 \(2\mu- \alpha_x\) 让他们变小了,而我们的 \(x^*\) 他的概率幅是个负数,所以 \(2\mu- \alpha_x\) 后他增加了。

不断的重复这个步骤, \(x^*\) 他的概率幅会越来越大,最后我们测量的时候就会很容的找到他。

进行了 \(\sqrt N\) 后,他的概率幅就会达到 \(\frac{1}{ \sqrt 2}\) ,算概率就是1/2。

那么接下来的问题就是,这些操作是怎么实现的?

Phase Inversion:

这个步骤要做的事情就是,

把 \(\sum_{x } \alpha_x|x\rangle\) 变成 \(\sum_{x \neq x^*} \alpha_x|x\rangle -\alpha_{x^*}|x^*\rangle\)

符号是和f(x)是否为1相关的,进一步化简就是 \(\sum_x (-1)^{f(x)} \alpha_x|x\rangle\)

有没有一丝熟悉感?

把f(x)的结果给放到相位上去,这是我们在Parity Problem中就遇到的问题。

当时的解决方法是把答案比特变成 \(|-\rangle\)。

一般情况,如果我们打算放置答案的比特是 \(|b\rangle\),那么输入的比特就是\(|b \oplus f(x)\rangle\)

如果f(x)=0 那么\(|( \frac{1}{\sqrt2}|0\rangle-\frac{1}{\sqrt2}|1\rangle) \oplus f(x) \rangle = \frac{1}{\sqrt2}|0\rangle-\frac{1}{\sqrt2}|1\rangle = |-\rangle\)

如果f(x)=1 那么\(( \frac{1}{\sqrt2}|0\rangle-\frac{1}{\sqrt2}|1\rangle) \oplus f(x) \rangle = \frac{1}{\sqrt2}|1\rangle-\frac{1}{\sqrt2}|0\rangle = -|-\rangle\)

最后一个比特的值如果在\(|+\rangle |-\rangle\)坐标下测量,一定是 \(|-\rangle\),f(x)的差别也变到了符号上,即 \((-1)^{f(x)}\)

Inversion about the Mean

把 \(\alpha_x\) 变成 \(2\mu- \alpha_x\) ,这个就要比前一个麻烦了

这其实是要求我把现在的态对着 \(\mu\) 翻转。

对着 \(\mu\) 翻转会吗?

不太会。

但是我会对着 \(|0\rangle\) 的翻转啊。

对角线第一个值为1,其余为-1,非对角线的都为0。

\(\left[ \begin{array}{} 1 & 0 & …& 0 \\ 0 & -1 & …& 0 \\…\\0 & 0 & …& -1 \end{array}\right]\left[ \begin{array}{} a_0\\a_1\\…\\a_{n-1} \end{array}\right]=\left[ \begin{array}{} a_0\\-a_1\\…\\-a_{n-1} \end{array}\right]\)

这个矩阵轻而易举的可以让 \(|0\rangle\) 保持不变,非 \(|0\rangle\) 的符号全都翻转。

量子变换要求矩阵式酉矩阵,这个矩阵很明显满足 \(UU^\dagger=U^\dagger U=I\)

接下来怎么做呢?

我们先把我们的态整体来一个从 \(|\mu\rangle\) 到 \(|0\rangle\) 的旋转,对着 \(|0\rangle\) 翻转后,又从 \(|0\rangle\) 到 \(|\mu\rangle\) 翻转回去。

\(|\mu\rangle\) 是一个怎样的态?

所有的x的概率都一样,也就是我们的superposition \(\frac{1}{2^{\frac{n}{2}}} \sum_{x \in \{0,1 \}^n}|x\rangle\)

\(\frac{1}{2^{\frac{n}{2}}} \sum_{x \in \{0,1 \}^n}|x\rangle\) 和 \(|0\rangle\)之间的相互转换,这就是我们最最熟悉的Hadamard Transform了

第二部分的电路图如下:

这个矩阵是可以直接计算的:

我这里直接给出答案,得到的矩阵值呢是下图左边的这个矩阵:

在对应的 \(\alpha_x\)的结果恰好是 \(\frac{2}{N} \sum _{y=0}^{N} \alpha_y -\alpha_x\)

而 \(\frac{2}{N} \sum _{y=0}^{N} \alpha_y\) 恰好就是 \(2\mu\)

至此,呈上最完整的电路图模块:

第一个H门是数据的初始化,第二个门是为了翻转 \(x^*\),第三四五个门是为了对 \(| \mu \rangle\) 翻转,二三四五这四个门就是要给重复的模块了,不断的重复他们就可以不断的提高 \(x^*\)的概率幅,最终找到 \(x^*\)。

参考资料:

Quantume Mechanics & Quantume Computation Lecture 11

量子搜索算法 Grover search的更多相关文章

  1. 【算法】禁忌搜索算法(Tabu Search,TS)超详细通俗解析附C++代码实例

    01 什么是禁忌搜索算法? 1.1 先从爬山算法说起 爬山算法从当前的节点开始,和周围的邻居节点的值进行比较. 如果当前节点是最大的,那么返回当前节点,作为最大值 (既山峰最高点):反之就用最高的邻居 ...

  2. 量子计算机编程(二)——QPU基础函数

    第二部分主要是QPU的基础功能,第一部分就像是我们有了哪些基本的语句,第二部分就是我们能写一些简单基础的函数,一些小模块,第三部分就是他的应用了. 先来看一下一个简单量子应用的结构: 第一步,将量子态 ...

  3. 1月21日 Reference Data Type 数据类型,算法基础说明,二分搜索算法。(课程内容)

    Reference Datat Types 引用参考数据类型 -> 组合数据类型 Array, Hash和程序员自定义的复合资料类型 组合数据的修改: 组合数据类型的变量,不是直接存值,而是存一 ...

  4. DS18B20数字温度计 (三) 1-WIRE总线 ROM搜索算法和实际测试

    目录 DS18B20数字温度计 (一) 电气特性, 寄生供电模式和远距离接线 DS18B20数字温度计 (二) 测温, ROM和CRC算法 DS18B20数字温度计 (三) 1-WIRE总线 ROM搜 ...

  5. 密码疑云 (3)——详解RSA的加密与解密

    上一篇文章介绍了RSA涉及的数学知识,本章将应用这些知识详解RSA的加密与解密. RSA算法的密钥生成过程 密钥的生成是RSA算法的核心,它的密钥对生成过程如下: 1. 选择两个不相等的大素数p和q, ...

  6. 最新证明面临质疑:P/NP问题为什么这么难?

    转自:http://tech.sina.com.cn/d/2017-08-16/doc-ifyixias1432604.shtml 编译 | 张林峰(普林斯顿大学应用数学专业博士研究生) 责编 | 陈 ...

  7. 为什么我们需要Q#?

    原文地址:https://blogs.msdn.microsoft.com/visualstudio/2018/11/15/why-do-we-need-q/ 本文章为机器翻译. 你可能熟悉微软量子的 ...

  8. Suricata配置文件说明

    本系列文章是Suricata官方文档的翻译加上自己对其的理解,部分图片也是来自那篇文章,当然由于初学,很多方面的理解不够透彻,随着深入后面会对本文进行一定的修正和完善. Suricata使用Yaml作 ...

  9. STL非变易算法 - STL算法

    欢迎访问我的新博客:http://www.milkcu.com/blog/ 原文地址:http://www.milkcu.com/blog/archives/1394600460.html 原创:ST ...

随机推荐

  1. 如何使用JMX来管理程序?

    什么是JMX JMX,全称Java Management Extensions,用于我们管理和监控java应用程序.JMX有以下用途: 监控应用程序的运行状态和相关统计信息. 修改应用程序的配置(无需 ...

  2. 微信支付与支付宝支付java开发注意事项

    说明:这里只涉及到微信支付和淘宝支付 以官网的接口为准,主要关注[网关].[接口].[参数][加密方式][签名][回调] 第一步,了解自己的项目要集成的支付方式 常见的有扫码支付.网页支付.APP支付 ...

  3. 【题解】JXOI2018游戏(组合数)

    [题解]JXOI2018游戏(组合数) 题目大意 对于\([l,r]\)中的数,你有一种操作,就是删除一个数及其所有倍数.问你删除所有数的所有方案的步数之和. 由于这里是简化题意,有一个东西没有提到: ...

  4. idea2020注册码永久激活(激活到2100年)

    首先有图有真相: 资源链接: 链接:https://pan.baidu.com/s/1DPIllnyhc7H4qL2yQb0OvQ 提取码:lbjx 第一步:将bin目录下的三个文件拷贝到IDEA安装 ...

  5. Java:Excel文件上传至后台

    之前的项目中有遇到上传Excel文件的需求,简单说就是解析一个固定格式的Excel表格,然后存到数据库对应的表中,表格如下: 项目采用SSM架构,mvc模式,显而易见,这个Excel表需要拆成两个表, ...

  6. 「Luogu P3866」[TJOI2009]战争游戏 解题报告

    题面 好难表述啊~ 在n*m的矩阵上,有一些大兵(为0),一些空地(一个正整数),障碍物(-1),现在摧毁一些空地,使所有大兵不能走出矩阵去(代价为表示空地的整数),求最小代价 思路: 网络流最小割 ...

  7. 异步-promise、async、await

    下面代码打印结果是? setTimeout(()=>{ console.log(1) }) new Promise((resolve,reject)=>{ console.log(2) r ...

  8. .Net Core - AgileHttp

    2020年新年将至,先预祝.Net Core越来越好. 做了这么多年一线开发,经常跟Http打交道.比如调用三方的Webservice,比如集成微信支付的时候服务端发起Prepay支付.特别是现在分布 ...

  9. Java 进程占用内存过多,幕后元凶原来是线程太多

    那天中午吃饭,一个同事说,那个项目组的人快气死我了,程序有问题,早晨在群里@了他们,到中午才回消息,然后竟然还说他们的程序没有问题,是我们这边调用的太频繁了. 简直想笑. 背景说明 我们当前这个系统和 ...

  10. mysql安装忘记初始密码怎么办

    title: MySQL安装过程忘记初始密码最简单最简单解决办法 MySQL安装过程忘记初始密码最简单解决办法 ​ 在安装MySQL的时候会给定一个初始的密码,而这个初始的密码特别恶心人一堆大小写特殊 ...