振幅估计：三条路线与它们各自的算术税

振幅估计要回答的是：给定能制备 $|a⟩=Q|0⟩$ 的线路，求 $|a⟩$ 在某个基态上的投影大小，精度 $\epsilon$。三条主流路线把这笔账付在了三个完全不同的算术位置：QPE 路线付在任意角受控旋转的合成上，IQAE 付在三个固定受控旋转 + 一个辅助比特上，变分与贝叶斯路线则把成本推给了参数化线路的优化。本词条先说清三条路线各自调用哪类算术原语，再逐条算账，最后指出它们报告的数字为什么不能直接横向比较。

一、这个应用需要哪种算术原语

设 $|a⟩=\sin \theta |\text{good}⟩+\cos \theta |\text{bad}⟩$，目标就是估 $\sin \theta$。一次 Grover 迭代把角度从 $\theta$ 推到 $2\theta$，因此要走到 $O(\epsilon )$ 的分辨率需要约 $\pi /(4\theta )$ 次迭代——这是amplitude-amplification那条路的账单，代价是迭代次数与精度成反比，而每步都要完整跑一遍 $Q$、Oracle 和扩散算子。

要把迭代次数压下来，必须换掉“反复施加同一个非酉增益”这个结构。三条替代方案对应的算术需求如下：

路线	用什么替代迭代	算术需求落在哪
QPE / QAE	一次相位估计读出 $U$ 的特征值	$t\approx {\log }_2(1/\epsilon )$ 个受控 $U^{2^j}$（指数化）+ 一次精确逆 QFT
IQAE	把 $k$ 次 Grover 步压缩成固定三个受控旋转	3 个受控旋转 + 1 个辅助比特；角度精度需达 $\epsilon$
VQAE / BQAE	用变分参数或后验取代显式旋转	几乎不新增算术原语，成本转移到优化迭代与经典后处理

这张表就是本词条的骨架。注意第一行：QAE 的指数化部分与 Shor 的平方-乘法是同一段算术，只是幂次只到 $t=O(\log (1/\epsilon ))$，因此账目比 Shor 便宜几个数量级，但结构完全一致，见平方-乘法。

二、QAE：一次相位寄存器换掉 O(1/ε) 次查询

标准 QAE 的做法是跑 $M$ 次 $t$ 比特的相位估计，把落在整数 $k$ 上的测量结果记为 $k_i$，取频率 $\hat{k}/M$ 作为 $a^2$ 的估计，得到区间

$${\sin }^2\left(\frac{\pi \hat{k}}{M}\right)\le a^2\le {\sin }^2\left(\frac{\pi (\hat{k}+1)}{M}\right).$$

区间宽度由 $M$ 决定，所以 $M=O(1/\epsilon )$；$t$ 只取 $O(\log (1/\epsilon ))$。查询次数从 $O(1/\epsilon )$ 掉到 $O(1)$，代价是每次查询的线路里多了一个 $t$ 比特寄存器、一串 $U^{2^j}$ 的受控幂、以及一次精确逆 QFT。这正是quantum-counting那条恒等式 ${\mathrm{QFT}}^{\otimes }=\frac{1}{N}(\text{求和})(\text{逆 QPE})$ 在应用层的兑现。

这里有一个反复出现的估算错误，值得单独写出来：$t$ 小（$O(\log \log (1/\epsilon ))$）时总成本可能优于迭代版，$t$ 接近 ${\log }_2(1/\epsilon )$ 时逆 QFT 的合成成本会吃掉全部收益，而 $t$ 再往上（$O(1/\epsilon )$ 比特）会因为周期别名而失效。QAE 的最优 $t$ 是一个需要完整成本函数才能定的内点，不是”越大越好”，相关的采样与查询权衡见 Ramôa–Santos（2025） 的贝叶斯分析。

三、IQAE：把迭代彻底删掉

Grinko 等（2021）的做法更激进：不再迭代，而是把振幅估计写成一个固定三个受控旋转的酉分解。设 $k$ 为当前迭代序号，三个旋转记作 $A$、$B$、$C$；其中 $A$、$B$ 是绕辅助比特的固定受控旋转，$C$ 是关于待估角 $\theta$ 的受控相位旋转。把 $A$、$B$ 的幂按 $k$ 组合起来，得到的总旋转与连续做 $k$ 次 Grover 步等价——但旋转的个数与 $k$ 无关。因此精度再高也不会增加受控旋转的条数，这正是它相对 Grover 版的结构性优势。

代价被显式地摆到了另外两个参数上：辅助比特数（$A$、$B$ 需要一个辅助位来固定旋转平面）和旋转角的精度要求（$C$ 的角度直接由 $\theta$ 给出，所以合成 $C$ 就退化成”精确求相”这个老问题）。也就是说，IQAE 并没有消灭QFT 合成那笔账，它只是把它从”每次迭代”挪到了”每次估计”。

旋转预算对照：Grover 版随精度线性增长，IQAE 版固定三个受控旋转

图中左段的 ×7 是重复展开的记号：Grover 版的旋转条数正比于迭代次数 $k\approx \pi /(4\theta )$，而右段永远是三个。这才是 IQAE 的全部卖点，也是它与 QAE 的分水岭——QAE 把旋转折进相位寄存器，IQAE 把旋转压成常数条数。

四、变分与贝叶斯：把成本挪到优化器上

剩下两条路线值得记一笔，因为它们的算术内容反而最少。Plekhanov 等（2022）把振幅估计做成变分算法：目标函数的期望值是待估振幅本身的函数，用变分优化的收敛轮数取代查询次数。变分方案的优势是线路短、对角度合成精度不敏感；劣势是精度受优化器行为支配，论文里常见的对比表（门数/精度/比特数三项同时优于 IQAE）只在特定精度区间成立。Ramôa–Santos（2025）则从贝叶斯出发，把每次测量当作一次后验更新，从而显式地分析采样次数与查询复杂度之间的最优点——它指出最优策略常常是”测几次极端结果就停”，而不是固定预算。

这两条对算术层的启示是一致的：振幅估计的精度来源有三种——结构性的（QAE 的相位寄存器）、参数性的（IQAE 的旋转角精度）、统计性的（变分/后验的收敛），三者互不替代，报告精度时必须说清是哪一种。

论文依据

• Brassard–Høyer–Mosca–Tapp（2002） —— 期刊完整版；给出量子计数与极大似然估计构成的经典 QAE 框架，本词条第二节的区间公式来自这一族方法。
• Grinko 等（2021） —— IQAE：用固定 3 个受控旋转的酉分解替代 Grover 迭代，并显式给出辅助比特数与旋转精度需求；本词条第三节与线路图右段直接依据此文。
• Plekhanov 等（2022） —— 变分量子振幅估计；提供相对 IQAE 的门数/精度/比特数三方对照，用于第四节。
• Ramôa–Santos（2025） —— 贝叶斯量子振幅估计；分析采样次数与查询复杂度的最优点，支持第二节关于”最优 $t$ 是内点”的讨论。

延伸阅读

• amplitude-amplification —— 三条路线共同的出发点：为什么迭代扩散这么贵
• quantum-counting —— QAE 的相位估计内核与 QFT 恒等式
• qft-synthesis —— 合成 $C$ 旋转的 T 数账
• schoolbook-exponentiation —— QAE 里那串 $U^{2^j}$ 的算术本体