[論文レビュー] Applications of the Adversary Method in Quantum Query Algorithms

Aleksandrs Belovs|arXiv (Cornell University)|Feb 16, 2014

Quantum Computing Algorithms and Architecture参考文献 124被引用数 8

ひとこと要約

本学位論文は、敵対的法に基づく学習グラフと呼ばれる新しい量子アルゴリズム設計技法を導入し、三角形検出、k-一意性、部分グラフ探索などの問題における、より優れた量子クエリ複雑性と時間複雑性を達成する。k-和および三角形和のタイトな下界を確立し、電気ネットワークの性質と量子到達時間の関係を結ぶ新しい量子ウォークフレームワークを開発することで、非定常初期状態を許容する枠組みを用いて3-一意性の時間最適アルゴリズムを実現し、複雑性 Õ(N⁵⁄⁷) を達成する。

ABSTRACT

In the thesis, we use a recently developed tight characterisation of quantum query complexity, the adversary bound, to develop new quantum algorithms and lower bounds. Our results are as follows: * We develop a new technique for the construction of quantum algorithms: learning graphs. * We use learning graphs to improve quantum query complexity of the triangle detection and the $k$-distinctness problems. * We prove tight lower bounds for the $k$-sum and the triangle sum problems. * We construct quantum algorithms for some subgraph-finding problems that are optimal in terms of query, time and space complexities. * We develop a generalisation of quantum walks that connects electrical properties of a graph and its quantum hitting time. We use it to construct a time-efficient quantum algorithm for 3-distinctness.

研究の動機と目的

• 組合せ問題におけるクエリ複雑性と時間複雑性を向上させるための、新しい量子アルゴリズム構築技法の開発。
• 正の重み付き敵対的法を用いて、k-和および三角形和問題のタイトな量子クエリ下界を証明する。
• パスおよびクラウド検出などの部分グラフ探索問題に対して、時間的・クエリ的に効率的な量子アルゴリズムを構築する。
• グラフの電気的性質と量子到達時間の関係を結ぶことで、量子ウォークを一般化し、アルゴリズムの柔軟性を向上させる。
• 非定常初期状態を許容する新しい量子ウォークフレームワークを用いて、3-一意性の最適時間複雑性を達成する。

提案手法

• 証明構造とスパンプログラムに基づく、量子アルゴリズムを構築するための学習グラフを導入する。
• 双対敵対的境界とスパンプログラムの双対性を用いて、量子クエリ複雑性を特徴づけ、下界を導出する。
• 期待ステップ数が古典的到達時間ではなく、有効抵抗に依存する一般化された量子ウォークモデルを構築する。
• 3-一意性アルゴリズムをセットアップ段階とウォーク段階に分解し、ウォーク段階を新規の電気ネットワークに基づく量子ウォークで実装する。
• 敵対的法を用いて、有界な証明構造とフーリエ解析を活用して、k-和および三角形和のタイトな下界を証明する。
• 重ね合わせ状態とアモニチュード増幅を用いて、入力の構造的サブセットにおける衝突および一意性の検索を効率的に実行する。

実験結果

リサーチクエスチョン

• RQ1 学習グラフは、部分グラフ探索およびk-一意性問題における、クエリ複雑性と時間複雑性の向上を図る量子アルゴリズムの構築に利用可能か？
• RQ2 k-和および三角形和問題の正確な量子クエリ複雑性は何か？ また、正の重み付き敵対的法を用いてタイトな下界を証明できるか？
• RQ3 量子ウォークは、スペクトルギャップの代わりに有効抵抗を用いることで一般化可能であり、定常分布の準備を必要としない時間効率の良いアルゴリズムを可能にするか？
• RQ4 非定常初期状態を許容する新しい量子ウォークフレームワークを用いて、3-一意性の最適時間複雑性を達成することは可能か？
• RQ5 学習グラフフレームワークは、非ブール出力関数や小さな証明構造を超える関数へと拡張可能か？ また、その場合、非多項式の高速化の可能性は何か？

主な発見

• 学習グラフ法は、三角形検出およびk-一意性問題における、より優れた量子クエリ複雑性を達成し、アルゴリズム設計の体系的アプローチを提供する。
• 正の重み付き敵対的法を用いて、k-和および三角形和問題に対してΩ(k^{1/2})のタイトな下界が証明された。
• 有効抵抗を用いて期待ステップ数を制御する新しい量子ウォークフレームワークが開発され、非定常初期状態を許容し、より高いアルゴリズムの柔軟性を実現した。
• 3-一意性の学習グラフベースのアルゴリズムは、時間的に最適であり、セットアップ段階とウォーク段階をr₁ = N⁵⁄⁷およびr₂ = N⁴⁄⁷でバランスさせることで、複雑性 Õ(N⁵⁄⁷) を達成した。
• パス検出およびクラウド検出問題において、クエリ・時間・空間複雑度が最適なアルゴリズムの構築が可能であり、k-一意性を超える広範な適用可能性が示された。
• 3-一意性の時間最適アルゴリズムは、セットアップ段階とウォーク段階のバランスを最適化することで、複雑性 Õ(N⁵⁄⁷) を達成した。