Simon 算法

Simon 算法#

本文首先介绍Simon问题，以及解决该问题的经典和量子算法。然后，我们使用 DeepQuantum 实现量子算法，并在模拟器和设备上运行。

1. 简介#

Simon算法最早在参考文献[1]中提出，是第一个在解决特定问题时表现出指数级加速的量子算法，相比于最好的经典算法。这启发了基于量子傅里叶变换的量子算法，这种变换被用于最著名的量子算法：Shor算法。

1.1 Simon问题#

给定一个未知的黑盒函数 \(f\)，保证其为一对一(\(1:1\))或二对一(\(2:1\))函数，一对一和二对一函数具有以下性质：

  • 一对一：对每个输入映射一个唯一的输出。一个接受4个输入的函数示例为：

\[f(1) \rightarrow 1, \quad f(2) \rightarrow 2, \quad f(3) \rightarrow 3, \quad f(4) \rightarrow 4\]

  • 二对一：对每个唯一输出映射两个输入。一个接受4个输入的函数示例为：

\[f(1) \rightarrow 1, \quad f(2) \rightarrow 2, \quad f(3) \rightarrow 1, \quad f(4) \rightarrow 2\]

这种二对一映射根据一个隐藏的比特串 \(b\) 进行，其中：

\[\begin{split} \textrm{给定 }x_1,x_2: \quad f(x_1) = f(x_2) \\ \textrm{可保证}: \quad x_1 \oplus x_2 = b \end{split}\]

给定这个黑盒函数 \(f\)，我们能多快判断出 \(f\) 是一对一还是二对一函数？然后，如果 \(f\) 是二对一的，我们能多快确定 \(b\)？事实证明，两种情况都归结为找出 \(b\) 的问题，其中 \(b={000...}\) 的比特串代表一对一函数 \(f\)。\(\oplus\)为异或操作。

1.2 Simon算法#

经典解法#

从经典的角度，如果想要100%确定给定 \(f\) 的 \(b\) 是什么，我们必须检查最多 \(2^{n-1}+1\) 个输入，其中n是输入的比特数。这意味着检查一半以上所有可能的输入，直到找到两个相同输出的情况。与 Deutsch-Jozsa 问题类似，如果幸运的话，我们可以在前两次尝试中解决问题。但如果碰到一个一对一的 \(f\)，或者在二对一 \(f\) 上非常不走运，那么我们就会被困在全部 \(2^{n-1}+1\) 个输入上。 已知存在下界为 \(\Omega(2^{n/2})\) 的算法[2]，但一般而言，复杂度随着n呈指数增长。

量子解法#

实现Simon算法的量子线路如下图所示。

其中，查询函数 \(\text{Q}_f\) 作用于两个量子寄存器:

\[ \lvert x \rangle \lvert a \rangle \rightarrow \lvert x \rangle \lvert a \oplus f(x) \rangle \]

特别地，当第二个寄存器处于态 \(|0\rangle = |00\dots0\rangle\) 时，有:

\[ \lvert x \rangle \lvert 0 \rangle \rightarrow \lvert x \rangle \lvert f(x) \rangle \]

该算法包括以下步骤：

  1. 两个 \(n\) 比特输入寄存器初始化为零态： $\( \lvert \psi_1 \rangle = \lvert 0 \rangle^{\otimes n} \lvert 0 \rangle^{\otimes n} \)$

  2. 对第一个寄存器应用 Hadamard 变换： $\( \lvert \psi_2 \rangle = \frac{1}{\sqrt{2^n}} \sum_{x \in \{0,1\}^{n} } \lvert x \rangle\lvert 0 \rangle^{\otimes n} \)$

  3. 应用查询函数 \(\text{Q}_f\)： $\( \lvert \psi_3 \rangle = \frac{1}{\sqrt{2^n}} \sum_{x \in \{0,1\}^{n} } \lvert x \rangle \lvert f(x) \rangle \)$

  4. 测量第二个寄存器。将观察到 \(f(x)\) 的某个值。由于问题的设置，观察到的值 \(f(x)\) 可能对应两个可能的输入：\(x\) 和 \(y = x \oplus b\)。因此第一个寄存器变为： $\( \lvert \psi_4 \rangle = \frac{1}{\sqrt{2}} \left( \lvert x \rangle + \lvert y \rangle \right) \)$ 这里省略了第二个寄存器，因为它已被测量。

  5. 对第一个寄存器应用 Hadamard： $\( \lvert \psi_5 \rangle = \frac{1}{\sqrt{2^{n+1}}} \sum_{z \in \{0,1\}^{n} } \left[ (-1)^{x \cdot z} + (-1)^{y \cdot z} \right] \lvert z \rangle \)$

  6. 只有在以下条件下，测量第一个寄存器才会给出输出： $\( (-1)^{x \cdot z} = (-1)^{y \cdot z} \)\( 这意味着: \)\( x \cdot z = y \cdot z \\ x \cdot z = \left( x \oplus b \right) \cdot z \\ x \cdot z = x \cdot z \oplus b \cdot z \\ b \cdot z = 0 \text{ (mod 2)} \)\( 将测量一个字符串 \)z\(，其与 \)b\( 的内积为0。因此，重复算法 \)\approx n\( 次，我们将能够获得 \)n\( 个不同的 \)z\( 值，并可以写出以下方程组： \)\( \begin{cases} b \cdot z_1 = 0 \\ b \cdot z_2 = 0 \\ \quad \vdots \\ b \cdot z_n = 0 \end{cases} \)\( 先按位计算 \)b\( 和 \)z_n\( 的乘积，然后再将所有的乘积结果求和，最后看这个和是偶数还是奇数。由此可以确定 \)b$，例如通过高斯消元法。

因此，在这个特定问题中，量子算法执行的步骤数比经典算法少指数级。

2. 示例 #

让我们来看一个 Simon 算法在 2 个量子比特上的示例，其中秘密字符串 \(b=11\)，使得当 \(y = x \oplus b\) 时，\(f(x) = f(y)\)。求解该问题的量子线路如下：

  1. 两个 \(2\) 量子比特输入寄存器被初始化为零态： $\( \lvert \psi_1 \rangle = \lvert 0 0 \rangle_1 \lvert 0 0 \rangle_2 \)$

  2. 对第一个寄存器中的量子比特应用 Hadamard 门： $\( \lvert \psi_2 \rangle = \frac{1}{2} \left( \lvert 0 0 \rangle_1 + \lvert 0 1 \rangle_1 + \lvert 1 0 \rangle_1 + \lvert 1 1 \rangle_1 \right) \lvert 0 0 \rangle_2 \)$

  3. 对于字符串 \(b=11\)，查询函数可以实现为 \(\text{Q}_f = CX_{1_a 2_a}CX_{1_a 2_b}CX_{1_b 2_a}CX_{1_b 2_b}\)（如上图线路图所示）： $\( \begin{aligned} \lvert \psi_3 \rangle = \frac{1}{2} ( \; & \lvert 0 0 \rangle_1 \; \lvert 0\oplus 0 \oplus 0, & 0 \oplus 0 \oplus 0 \rangle_2 &\\[5pt] + & \lvert 0 1 \rangle_1 \; \lvert 0\oplus 0 \oplus 1, & 0 \oplus 0 \oplus 1 \rangle_2 &\\[6pt] + & \lvert 1 0 \rangle_1 \; \lvert 0\oplus 1 \oplus 0, & 0 \oplus 1 \oplus 0 \rangle_2 &\\[6pt] + & \lvert 1 1 \rangle_1 \; \lvert 0\oplus 1 \oplus 1, & 0 \oplus 1 \oplus 1 \rangle_2 & \; )\\ \end{aligned} \)\( 因此： \)\( \begin{aligned} \lvert \psi_3 \rangle = \frac{1}{2} ( \quad & \lvert 0 0 \rangle_1 \lvert 0 0 \rangle_2 & \\[6pt] + & \lvert 0 1 \rangle_1 \lvert 1 1 \rangle_2 & \\[6pt] + & \lvert 1 0 \rangle_1 \lvert 1 1 \rangle_2 & \\[6pt] + & \lvert 1 1 \rangle_1 \lvert 0 0 \rangle_2 & \; )\\ \end{aligned} \)$

  4. 我们测量第二个寄存器。有 \(50\%\) 的概率会看到 \(\lvert 0 0 \rangle_2\) 或 \(\lvert 1 1 \rangle_2\)。为了示例的目的，让我们假设看到了 \(\lvert 1 1 \rangle_2\)。此时系统的状态为 $\( \lvert \psi_4 \rangle = \frac{1}{\sqrt{2}} \left( \lvert 0 1 \rangle_1 + \lvert 1 0 \rangle_1 \right) \)$ 其中我们省略了第二个寄存器，因为它已经被测量过了。

  5. 对第一个寄存器应用 Hadamard 门 $\( \lvert \psi_5 \rangle = \frac{1}{2\sqrt{2}} \left[ \left( \lvert 0 \rangle + \lvert 1 \rangle \right) \otimes\left( \lvert 0 \rangle - \lvert 1 \rangle \right) + \left( \lvert 0 \rangle - \lvert 1 \rangle \right) \otimes \left( \lvert 0 \rangle + \lvert 1 \rangle \right) \right] \\ = \frac{1}{2\sqrt{2}} \left[ \lvert 0 0 \rangle - \lvert 0 1 \rangle + \lvert 1 0 \rangle - \lvert 1 1 \rangle + \lvert 0 0 \rangle + \lvert 0 1 \rangle - \lvert 1 0 \rangle - \lvert 1 1 \rangle \right] \\ = \frac{1}{\sqrt{2}} \left( \lvert 0 0 \rangle - \lvert 1 1 \rangle \right) \)$

  6. 测量第一个寄存器会以相等的概率给出 \(\lvert 0 0 \rangle\) 或 \(\lvert 1 1 \rangle\)。

  7. 如果我们看到 \(\lvert 1 1 \rangle\)，则： $\( b \cdot 11 = 0 \)\( 这告诉我们 \)b \neq 01\( 或 \)10\(，剩下的两个可能的解是 \)b = 00\( 或 \)b = 11\(。请注意，\)b = 00\( 将始终是我们联立方程的一个平凡解。如果我们重复步骤 1-6 多次，我们只会测量到 \)|00\rangle\( 或 \)|11\rangle\(，因为 \)\( b \cdot 11 = 0 \)\( \)\( b \cdot 00 = 0 \)\( 是满足 \)b=11\( 的唯一方程。我们可以通过选择一个随机输入（\)x_i\(）并检查 \)f(x_i) = f(x_i \oplus b)\( 来验证 \)b=11\(。例如： \)\( 01 \oplus b = 10 \)\( \)\( f(01) = f(10) = 11 \)$

3. DeepQuantum 实现#

我们现在用 \(3\) 量子比特和 \(b=110\) 实现 Simon 算法。

import deepquantum as dq
import numpy as np
import matplotlib.pyplot as plt

函数 simon_oracle用于创建一个对应比特串 b 的 Simon 量子门。

在 DeepQuantum 中，测量操作只能在量子线路的末端进行。对于 Simon 算法来说，我们实际上不关心第二寄存器的输出，只会测量第一寄存器。

b = '110'
n = len(b)

def simon_oracle(b, n):
    """返回针对比特串b的Simon oracle"""
    b = b[::-1]  # 将b反转以便于迭代
    cir = dq.QubitCircuit(n * 2)

    # 执行复制；|x>|0> -> |x>|x>
    for q in range(n):
        cir.cx(q, q + n)

    if '1' not in b:
        return cir  # 1:1映射，所以直接退出

    i = b.find('1')  # 在b中找到第一个非零比特的索引

    # 如果q_i是1，则执行|x> -> |s.x>
    for q in range(n):
        if b[q] == '1':
            cir.cx(i, q + n)

    return cir

def simon_algorithm(b, n):
    simon_circuit = dq.QubitCircuit(n * 2)
    
    # 在查询oracle之前应用Hadamard门
    for i in range(n):
        simon_circuit.h(i)

    simon_circuit.barrier()

    # 应用oracle
    simon_circuit += simon_oracle(b, n)
    
    simon_circuit.barrier()

    # 对输入寄存器应用Hadamard门
    for i in range(n):
        simon_circuit.h(i)
    
    # 测量量子比特
    simon_circuit.measure(wires=list(range(n)))
    
    return simon_circuit


cir = simon_algorithm(b, n)
cir.draw()
../../_images/cd387499232c1085d28d5b325eec6d860d7380a17c5d023868226e084f0f00e1.png

进行实验#

我们可以在模拟器上运行上述线路。

cir()
res = cir.measure(wires=list(range(n)))
res_reversed = {key[::-1]: value for key, value in res.items()}
print(res_reversed)

{'111': 271, '110': 265, '001': 236, '000': 252}

import matplotlib.pyplot as plt

# 键和值分别作为X轴和Y轴数据
keys = list(res_reversed.keys())
total = sum(res_reversed.values())
# 计算每个值相对于总和的比例
values = [value / total for value in res_reversed.values()]

# 创建柱状图
plt.bar(keys, values)

# 添加标题和轴标签
plt.xlabel('state')
plt.ylabel('Probabilities')

# 显示图形
plt.show()
../../_images/92957435ebe640b6ac3418a479e26020389af8f477cd988e32d4721abc0d2785.png

由于我们已经知道了 \(b\)，我们可以验证这些结果确实满足 \(b\cdot z = 0 \pmod{2}\)：

# 计算结果的点积
def bdotz(b, z):
    return sum(int(b_i) * int(z_i) for b_i, z_i in zip(b, z)) % 2

# 假设res_reversed是一个包含结果的字典
# 遍历res_reversed的键，并打印b和z的点积（模2）
for z in res_reversed.keys():
    print(f'{b}.{z} = {bdotz(b, z)} (mod 2)')

110.111 = 0 (mod 2)
110.110 = 0 (mod 2)
110.001 = 0 (mod 2)
110.000 = 0 (mod 2)

利用这些结果，我们可以通过解这组同时方程来找回 \(b = 110\) 的值。例如，假设我们首次测量得到 001，这告诉我们：

\[\begin{split} \begin{aligned} b \cdot 001 &= 0 \\ (b_2 \cdot 0) + (b_1 \cdot 0) + (b_0 \cdot 1) & = 0 \\ (\cancel{b_2 \cdot 0}) + (\cancel{b_1 \cdot 0}) + (b_0 \cdot 1) & = 0 \\ b_0 & = 0\\ \end{aligned} \end{split}\]

如果我们接下来测量 111，我们得到： $\( \begin{aligned} b \cdot 111 &= 0 \\ (b_2 \cdot 1) + (b_1 \cdot 1) + (0 \cdot 1) & = 0 \\ (b_2 \cdot 1) + (b_1 \cdot 1) + (\cancel{0 \cdot 1}) & = 0 \\ (b_2 \cdot 1) + (b_1 \cdot 1) & = 0 \\ \end{aligned} \)$

这告诉我们可能是：

\[ b_2 = b_1 = 0, \quad b = 000 \]

或者

\[ b_2 = b_1 = 1, \quad b = 110 \]

其中 \(b = 110\) 是我们同时方程的非平凡解。我们可以使用高斯消元法来解决这些问题，其运行时间为 \(O(n^3)\)。

4. 附录（References）#

[1] Simon D R. On the power of quantum computation[J]. SIAM journal on computing, 1997, 26(5): 1474-1483.

[2] Cai G, Qiu D. Optimal separation in exact query complexities for Simon’s problem[J]. Journal of computer and system sciences, 2018, 97: 83-93.

By TuringQ

© Copyright 2026, TuringQ.