作者: Baptiste Claudon, Alexis Lucas, Jean-Philip Piquemal, C'esar Feniou, Julien Zylberman

1. 核心物理图象

• 论文要解决的问题是：如何把一个经典函数（具体来说是多项式）编码成量子态的振幅，即制备形如 (|p\rangle \propto \sum_x p(x)|x\rangle) 的量子态。这是许多量子算法的"第一步"。

• 核心物理图象可以这样理解：把"计算基索引 (x)"看成一个线性斜坡（即对角算符 (\sum_x x|x\rangle\langle x|)），先用一套极浅的电路（深度随量子比特数 (n) 只呈对数增长）把这个线性斜坡"块编码"进一个辅助子空间里，再用广义量子特征值变换（GQET）把这个线性斜坡"扭曲"成任意多项式 (p(x)) 的形状。换句话说，先生成直线，再把它弯成想要的曲线。

• 主要贡献：首次实现了对多项式振幅态的对数深度制备（深度 (O(d\log n))），同时辅助比特数仅为 (O(n))，打破了此前方法普遍需要线性深度的瓶颈；并顺带给出了一个只需 2 个辅助比特的对数深度 EXACT-one 判断电路。

2. 关键术语解释

• 块编码（Block-encoding）：把一个非酉的目标算符 (A) 嵌入到一个更大的酉算符 (U) 的左上角子块中（即 (\langle 0|U|0\rangle = A/\alpha)），从而让量子线路"间接"实现非酉算符。本文用它来实现对角算符 (\sum_x p(x)|x\rangle\langle x|)，是整套构造的骨架。

• EXACT-one 预言机（one-hot 判定）：判断一个比特串的汉明重量是否恰好为 1 的电路。本文用它从均匀叠加态中"筛出"形如 (|0\cdots01_k0\cdots0\rangle) 的基态，以便把二进制权重 (1/2^k) 装载进控制寄存器。本文的新颖之处在于仅用 2 个辅助比特、对数深度即可完成。

• GQET（广义量子特征值变换）：GQSP/QSVT 的推广，能把块编码矩阵 (A) 变换为多项式 (p(A))，且对奇偶性无要求、相位角计算更方便。本文用它把线性算符 (L_n) 提升为 (p(L_n))，是"直线变曲线"的关键一步。

3. 主要贡献 (Key Contributions)

• 首个针对多项式振幅的对数深度态制备方案：电路深度为 (O(d\log n))、规模为 (O(nd))、辅助比特 (O(n))，成功概率为常数（渐近与 (n)、精度 (\epsilon) 无关）。相比以往线性深度方法（包括基于相干算术的方案、以及基于 (\sin(x)) 多项式的方案），这是实质性的渐近改进。

• 极简的 EXACT-one 电路：利用"条件干净辅助比特"技术，仅用 2 个辅助比特、(O(\log n)) 深度实现汉明重量为 1 的判定，而此前同等深度方案需要线性数量的辅助比特。

• 完整的技术链条：将三件工具串成一条流水线——(i) 基于泡利分解 (1-2L_n \propto \sum_k Z_k/2^k)（仅 (n) 项）的改进型 LCU 块编码；(ii) 振幅放大把归一化因子压到 1 附近；(iii) GQET 生成任意多项式，并用 Rolle 定理控制截断误差。

• 硬件原理验证：在 Quantinuum H2 离子阱处理器上用 14 个量子比特、500 余个原始门，成功制备了 5 比特的一次多项式振幅态，实测分布与理论吻合。

4. 研究方法 (Methodology)

• 第一步——线性算符的块编码：利用 (1-2L_n = \frac{1}{1-2^{{-n}}\sum_{k=1}}n Z_k/2^k) 这一仅含 (n) 项的泡利分解，把问题化为"按二进制权重 (1/2^k) 加权求和单比特 (Z_k)"。作者采用改进的 PREPARE-SELECT 框架：PREPARE 先用一层 (R_Y) 旋转制备 (\prod_k(\cdots)) 态，再用 EXACT-one 预言机投影到 one-hot 子空间（重叠 (p_n \ge 1/6)）；SELECT 则把 (Z_k) 作用到对应目标比特。整个 (U_{\text{aff}}) 深度为 (O(\log n))。

• 第二步——从仿射到多项式：对线性块编码 (U_{\text{linear}}) 先做振幅放大，得到 ((1-\epsilon)L_n) 的归一化块编码；再用 GQET 实现目标多项式，误差由 Rolle 定理界定为 (\epsilon|p'|_\infty)。关键在于控制操作可利用已有的 flag 比特以 (O(1)) 门实现，因此不破坏对数深度。

• 验证：电路级数值模拟验证了深度随 (n) 的 (\alpha\log_2 n+\beta) 对数标度、成功概率收敛到 (\sim 0.3957)；并在离子阱硬件上做了 5 比特一次多项式的原理验证。

5. 实验结果与结论 (Results and Conclusion)

• 关键结论：数值模拟证实电路深度确实按对数增长（拟合 (164.5\log_2 n - 258.4)），成功概率随 (n) 迅速收敛到常数约 0.3957；H2 硬件实验（14 比特、274 个 PhasedX + 226 个 ZZPhase + 11 个 RZ 门）制备的一次多项式振幅态与目标分布高度吻合。理论上，该方案在多项式或可被多项式高效逼近的函数上，优于基于 (\sin(x)) 的方法（例如 (x^{20}) 比 ((\arcsin x)^{20}) 需要低得多的多项式阶数）。

• 对领域的意义：由于低阶多项式逼近在科学计算中无处不在（化学、物理、工程、金融、量子机器学习），这一方法为这些场景提供了可扩展、资源高效的量子态加载原语，有望实质性地降低量子算法的前置开销。

• 开放问题与局限：

• 依赖任意角度的 (R_Y) 旋转（含指数小角度），在有限容错门集下可能引入合成开销，实际中可能"退化"为线性深度；作者指出 RZ 常可虚拟实现以缓解这一问题。
• 深度压缩依赖理想并行与全连接假设，实际架构的调度与连通性约束可能削弱并行性。
• EXACT-(k)（(k\ge 2)）的推广尚不直接可行，留待未来工作。
• 多变量多项式的扩展、以及在特定连通性/原生门集下的最优深度制备，均为未解问题。

6. 论文标签 (Tags)

量子算法, 量子信息, 编译与优化, 模拟, 物理硬件

📄 点击此处展开/折叠原文 PDF

原文链接： Logarithmic-depth quantum state preparation of polynomials