3. 量子相位估计回顾
量子振幅估计(Quantum Amplitude Estimation, QAE)之所以能对目标概率给出二次加速的精度,根源在于它把“概率估计”转化成了“相位估计”。因此,在正式进入振幅估计之前,必须把量子相位估计(Quantum Phase Estimation, QPE)这条主线重新梳理清楚:它的电路由哪些寄存器构成、它究竟在估计什么量、估计精度由谁决定、以及这些结论如何直接迁移到振幅估计中。本节围绕这三个问题展开,并为后续的 QAE 电路设计埋下伏笔。
一、QPE 在估计什么
设幺正算符 U 有一个本征态 |ψ⟩,满足 U|ψ⟩ = e2πiφ|ψ⟩,其中 φ ∈ [0,1) 称为相位。QPE 的任务就是给定 U 与 |ψ⟩,输出 φ 的一个 t 位二进制近似。注意这里的相位是以 2π 为模归一化的,φ = 0.25 对应本征值 eiπ/2,这个约定在全文与图示中保持一致。
QPE 电路由两个寄存器组成:上方是 t 个辅助量子比特构成的“计数寄存器”,初始化为 |0⟩⊗t;下方是存放本征态的“目标寄存器”。电路分三步:
- 叠加与受控演化。对计数寄存器每个比特施加 Hadamard,得到均匀叠加态;随后以第 j 个计数比特为控制,对目标寄存器施加受控-U2j(j = 0,1,…,t−1)。这一步把相位信息“踢”回计数寄存器的相对相位上。
- 逆量子傅里叶变换。对计数寄存器施加 QFT†,把相位编码的叠加态转换为计算基下的二进制表示。
- 测量。测量计数寄存器,得到 t 位整数 y,则 φ ≈ y/2t。
关键点在于:受控-U2j 的幂次是 2 的幂,这正是 QPE 能用 t 次受控演化换取 t 位精度的原因,也是它与经典采样在效率上拉开差距的结构性来源。
二、精度与量子比特数的定量关系
QPE 的输出是 t 位二进制小数,因此它能表示的最小相位间隔是 1/2t。若真实相位 φ 恰好是 k/2t 形式(即 t 位可精确表示),测量将以概率 1 得到 y = k,估计无误差。但一般情况下 φ 是任意实数,此时测量结果以较高概率落在 ⌊2tφ⌉ 附近,误差量级为 1/2t。
更严格地说,若要求以至少 1−δ 的概率得到误差不超过 ε 的相位估计,则计数寄存器需要
t = n + ⌈log₂(2 + 1/(2δ))⌉
其中 n 满足 ε = 1/2ⁿ,即 n = ⌈log₂(1/ε)⌉
这条公式给出两个重要结论。第一,精度每提高一位(ε 减半),计数寄存器只需增加 1 个比特,代价是线性增长,而非指数增长。第二,成功概率的保证只需要额外 O(log(1/δ)) 个比特,与精度要求解耦。这正是 QPE 相对经典相位采样具有指数级比特效率优势的体现。
举个具体例子:若希望相位误差 ε = 2−6 ≈ 0.0156,失败概率 δ = 0.05,则 n = 6,⌈log₂(2 + 10)⌉ = ⌈log₂12⌉ = 4,故 t = 10。也就是说,10 个计数比特即可在 95% 概率下把相位误差控制在 1/64 以内。若把精度提高到 ε = 2−10,则 t = 14,仅增加 4 个比特。
三、从 QPE 到振幅估计的桥梁
振幅估计要解决的问题是:给定量子态 A|0⟩ = √(1−a)|ψ₀⟩ + √a|ψ₁⟩,估计未知振幅 a ∈ [0,1]。直接测量只能得到 a 的伯努利样本,需要 O(1/ε²) 次测量才能把误差压到 ε。QAE 的做法是构造一个“振幅放大”算符 Q,它在二维子空间 {|ψ₀⟩, |ψ₁⟩} 上等价于一个旋转,旋转角 θ 满足 sin²θ = a。于是估计 a 就转化为估计 Q 的本征相位 θ/π,而这正是 QPE 的用武之地。
把 QPE 套用到 Q 上时,计数寄存器的比特数 t 直接决定 θ 的估计精度,进而决定 a 的估计精度。由于 a = sin²θ,当 θ 较小时 da/dθ ≈ 2θ,误差传递近似为 Δa ≈ 2θ·Δθ。在 a 不接近 0 或 1 的常规区间,Δa 与 Δθ 同量级,因此 QAE 的误差同样按 1/2t 收缩,达到 O(1/ε) 的查询复杂度,相对经典采样的 O(1/ε²) 实现二次加速。
这也解释了为什么 QAE 电路通常写成“A 制备 + Q 的受控幂次 + QFT† + 测量”的形式:它本质上是把 QPE 中的 U 替换为 Q,把目标寄存器替换为 A 作用后的态。理解了 QPE 的比特数—精度关系,就能直接读出 QAE 中“需要多少个计数比特、受控-Q2j 需要迭代多少次”的答案。
四、实现时的几个关键判断
在实际构造 QPE/QAE 电路时,有三点值得提前确认,否则容易在精度上“看起来对、实际不对”。
- 相位约定要统一。本课程采用 U|ψ⟩ = e2πiφ|ψ⟩、φ ∈ [0,1) 的约定。若换用 eiθ 且 θ ∈ [0,2π),则 θ = 2πφ,所有精度公式需相应换算,图示与正文必须保持一致。
- 受控幂次的实现代价。受控-U2j 并非免费,它通常由 U 反复平方或直接分解得到。在 QAE 中,Q 的每次应用都包含一次 A 与 A†,因此总查询次数随 t 指数增长,这正是 QAE 复杂度分析的核心。
- 无噪声假设的边界。上述 1/2t 误差上界成立的前提是门与测量无噪声。若受控演化存在相干误差,误差会随幂次累积,此时单纯增加 t 未必继续提升精度,需要结合误差缓解或缩短电路深度来权衡。