Obecnie mam 2 jednolite macierze, które chcę aproksymować z dobrą dokładnością przy możliwie jak najmniejszej liczbie bramek kwantowych.
W moim przypadku dwie macierze to:
- Pierwiastek kwadratowy z bramki NOT (do fazy globalnej)
Moje pytanie jest następujące:
Jak mogę aproksymować te konkretne macierze za pomocą mniejszej możliwej liczby bramek kwantowych i dobrej precyzji?
Na to, na co chcę mieć, mogę sobie pozwolić:
- Mogę sobie pozwolić na wykorzystanie kilku dni / tygodni czasu procesora i dużo ilości pamięci RAM.
- Mogę sobie pozwolić na 1 lub 2 ludzkie dni na poszukiwanie sztuczek matematycznych (w ostateczności, dlatego pytam tutaj pierwszy). Ten czas nie obejmuje czasu, w którym musiałbym zaimplementować hipotetyczne algorytmy zastosowane do pierwszego punktu.
- Chcę, aby rozkład był prawie dokładny. W tej chwili nie mam docelowej precyzji, ale 2 bramki powyżej są intensywnie wykorzystywane przez mój obwód i nie chcę, aby błędy były zbyt duże.
- Chcę, aby rozkład wykorzystywał jak najmniej bramek kwantowych. Ten punkt jest w tej chwili drugorzędny.
- Dobra metoda pozwoliłaby mi wybrać pożądany kompromis między liczbą bramek kwantowych a precyzją przybliżenia. Jeśli nie jest to możliwe, prawdopodobnie wymagana jest dokładność co najmniej (pod względem normy śladu) (jak powiedziano wcześniej, nie mam szacunków, więc nie jestem pewien tego progu).
- Zestaw bramek to:
z zgodnie z opisem wWikipedii,obrót względem osi(to,lub) i.
Metody, o których wiem:
- Algorytm Solovay-Kitaev. Mam implementację tego algorytmu i już przetestowałem go na kilku jednolitych macierzach. Algorytm generuje sekwencje, które są dość długie, a kompromis [liczba bramek kwantowych] VS [dokładność przybliżenia] nie jest wystarczająco parametryzowalny. Niemniej jednak wykonam algorytm na tych bramkach i edytuję to pytanie z uzyskanymi wynikami.
- Dwa artykuły na temat przybliżenia bramki 1-kubit i przybliżenia bramki n-qubit . Muszę też przetestować te algorytmy.
EDYCJA: zredagował pytanie, aby „pierwiastek kwadratowy z” nie był bardziej widoczny.