振幅放大是 Grover 搜索算法的一个关键组成部分,它使用迭代方法系统地增加一个或多个目标状态的概率。我们提出了新的策略来增强放大过程,即将状态划分为类别,在放大之前或放大期间,这些类别的概率会以不同的水平增加。划分过程基于二项分布。如果事先知道搜索目标状态所属的类别,则与标准版本相比,振幅放大算法中的迭代次数可以大大减少。在更可能的情况下,即事先不知道相关类别,则可以在运行时配置它们的选择,或者可以采用随机方法,类似于二分搜索等经典算法。具体而言,我们将此方法应用于我们之前介绍的量子字典模式,其中键和值在两个单独的寄存器中编码,并且值编码方法与键寄存器中使用的叠加类型无关。我们认为这种结构是搜索的自然设置。我们通过在真实量子硬件 Honeywell System Model HØ 捕获离子量子计算机中获得的实验结果证实了新方法的有效性。
主要关键词