[論文レビュー] A Query-Efficient Quantum Algorithm for Maximum Matching on General Graphs

Shelby Kimmel, R. Teal Witter|arXiv (Cornell University)|Oct 5, 2020

Quantum Computing Algorithms and Architecture参考文献 19被引用数 3

ひとこと要約

この論文は、一般のグラフにおける最大マッチングのための量子アルゴリズムを提示しており、隣接行列モデルでは O(n⁷/⁴)、隣接リストモデルでは O(n³/⁴√(m + n)) のクエリ複雑性を達成し、二部グラフにおける既知の最良の境界と一致する。この手法は、ガボウの古典的マッチングアルゴリズムと、ベイジとタガヴィの推測木手法を組み合わせ、古典的アルゴリズムをクエリ数を最小限に抑えるように巧みに変更し、洗練された推測スキームにより正しさを保証する。

ABSTRACT

We design quantum algorithms for maximum matching. Working in the query model, in both adjacency matrix and adjacency list settings, we improve on the best known algorithms for general graphs, matching previously obtained results for bipartite graphs. In particular, for a graph with $n$ nodes and $m$ edges, our algorithm makes $O(n^{7/4})$ queries in the matrix model and $O(n^{3/4}(m+n)^{1/2})$ queries in the list model. Our approach combines Gabow's classical maximum matching algorithm [Gabow, Fundamenta Informaticae, '17] with the guessing tree method of Beigi and Taghavi [Beigi and Taghavi, Quantum, '20].

研究の動機と目的

• 一般のグラフにおける最大マッチングのクエリ複雑性を、古典的で自明な O(n²) と量子の O(n²) の間のギャップを埋める。
• 二部グラフにのみ達成されていた最良の量子クエリ境界を、一般のグラフへと拡張する。
• 二部グラフ用に既に達成されている性能と同等のクエリ効率を備えた量子アルゴリズムを開発する。
• ガボウの古典的マッチングアルゴリズムと、クエリ効率を保つように調整された推測木手法を組み合わせる。

提案手法

• クエリ集約的なステップを特定し、その数を最小限に抑えることで、ガボウの古典的マッチングアルゴリズムを量子設定に適応する。
• ベイジとタガヴィの推測木手法を適用し、クエリオーバーヘッドを低減しながら、潜在的な増加路を体系的に探索する。
• 推測の正しさを意思決定木構造で追跡する洗練された推測スキームを導入し、必要なクエリのみを実行することを保証する。
• パスを保持する深さ優先探索を用いて、増加路、ボトム（花）、成長ステップを検出するが、誤った推測の数を制限する。
• 過去のクエリ結果を追跡するための古典的ブックキーピングメカニズムを実装し、重複クエリを回避する。
• 隣接行列またはリストのオракルを介して量子クエリアクセスを活用し、重複クエリが発生しないように保証する。

実験結果

リサーチクエスチョン

• RQ1 量子計算を用いることで、一般のグラフにおける最大マッチングのクエリ複雑性を、古典的で自明な O(n²) と O(m) の境界を下回ることは可能か？
• RQ2 二部グラフでのみ達成されたクエリ複雑性を、一般のグラフに対しても同様に達成することは可能か？
• RQ3 ガボウの古典的アルゴリズムをどのように変更すれば、正しさを保ちつつ量子クエリ数を最小限に抑えられるか？
• RQ4 非二部グラフにおける花の存在を考慮した場合、推測木手法を効率的に適用するために必要な修正は何か？
• RQ5 古典的マッチングアルゴリズムと量子推測木の組み合わせにより、最適なクエリ複雑性を達成できるか？

主な発見

• 隣接行列モデルでは、O(n⁷/⁴) のクエリ複雑性を達成し、二部グラフにおける既知の最良境界と一致する。
• 隣接リストモデルでは、O(n³/⁴√(m + n)) のクエリを用い、再び二部グラフにおける先行研究の結果と一致する。
• 推測木における誤った推測の数は O(n√n) で有界であり、これが最終的なクエリ境界を達成するために不可欠である。
• アルゴリズムは、量子クエリ枠組み内で花を検出し、処理することで、非二部グラフを効果的に扱うことができる。
• このアプローチにより、二部グラフと一般グラフの両方における最大マッチングの量子クエリ複雑性の結果が統合された。
• 本研究により、O(n⁷/⁴) の最良上界と、現在の量子クエリ下界 O(n³/²) のギャップが縮小された。