[論文レビュー] New Results on Quantum Property Testing

Sourav Chakraborty, Eldar Fischer+2 more|arXiv (Cornell University)|May 4, 2010

Quantum Computing Algorithms and Architecture参考文献 29被引用数 6

ひとこと要約

この論文は、古典的手法よりも顕著な高速化を達成する性質テストのための量子アルゴリズムを提示する。未知の分布（オракルクエリを介して）と既知の分布を比較するための量子テストャーを導入し、古典的な $ \sqrt{m} $ の複雑さと比較して、わずか $ m^{1/3} $ のクエリで十分であることが示された。これはほぼ最適であることが証明されている。さらに、ショアのアルゴリズムを用いた周期性テストにおいて、古典的な $ n^{1/4} $ のクエリ複雑さとは対照的に、定数クエリの量子的高速化を示している。

ABSTRACT

We present several new examples of speed-ups obtainable by quantum algorithms in the context of property testing. First, motivated by sampling algorithms, we consider probability distributions given in the form of an oracle $f:[n] o[m]$. Here the probability $\PP_f(j)$ of an outcome $j\in[m]$ is the fraction of its domain that $f$ maps to $j$. We give quantum algorithms for testing whether two such distributions are identical or $ε$-far in $L_1$-norm. Recently, Bravyi, Hassidim, and Harrow \cite{BHH10} showed that if $\PP_f$ and $\PP_g$ are both unknown (i.e., given by oracles $f$ and $g$), then this testing can be done in roughly $\sqrt{m}$ quantum queries to the functions. We consider the case where the second distribution is known, and show that testing can be done with roughly $m^{1/3}$ quantum queries, which we prove to be essentially optimal. In contrast, it is known that classical testing algorithms need about $m^{2/3}$ queries in the unknown-unknown case and about $\sqrt{m}$ queries in the known-unknown case. Based on this result, we also reduce the query complexity of graph isomorphism testers with quantum oracle access. While those examples provide polynomial quantum speed-ups, our third example gives a much larger improvement (constant quantum queries vs polynomial classical queries) for the problem of testing periodicity, based on Shor's algorithm and a modification of a classical lower bound by Lachish and Newman \cite{lachish&newman:periodicity}. This provides an alternative to a recent constant-vs-polynomial speed-up due to Aaronson \cite{aaronson:bqpph}.

研究の動機と目的

• 性質テストにおけるクエリ複雑度を、特に分布テストと周期性検出において、古典的手法を上回る量子アルゴリズムを開発すること。
• 古典的手法が顕著に異なる量子モデルにおける、既知-未知と未知-未知の分布テストのギャップを埋めること。
• 周期性テストにおいて、大きな量子的高速化を示し、多項式的古典的複雑度と比較して定数クエリ複雑度を達成すること。
• 分布テストと再構築における量子下界を確立し、提案された量子アルゴリズムの最適性を証明すること。

提案手法

• 既知の量子サブルーチン（特にアモニチュード増幅と近似カウント）を、古典的テストフレームワーク内に組み込む。
• 要素を周波数ごとにグループ化するバケツ化技術を適用し、分布パラメータの効率的量子推定を可能にする。
• ラチシュとノイマンによる古典的下界の修正版を用いて、既知-未知の分布テストにおける量子クエリ下界 $ \Omega(m^{1/3}) $ を証明する。
• 周期性を特定するために、ショアのアルゴリズムを用い、量子フーリエサンプリングを活用して $ O(1) $ の量子クエリで周期を同定する。
• 素数定理と確率的解析を用いて、古典的アルゴリズムにとって難しいインスタンスを構築し、$ o(\sqrt{r/\log r \log n}) $ のクエリでは、高い確率で周期的関数と非周期的関数を区別できないことを示す。
• 一様および構造的事前分布におけるクエリ分布を分析し、変動距離をバウンドし、制限されたクエリアクセス下での分布の区別不能性を証明する。

実験結果

リサーチクエスチョン

• RQ1 量子アルゴリズムは、多項式的改善を超えて、性質テストにおいて超多項式の高速化を達成できるか？
• RQ2 未知の分布（オラクルを介して）と既知の分布の間の近似性をテストするための最適な量子クエリ複雑度は何か？
• RQ3 量子アルゴリズムは周期性テストにおいて定数クエリ複雑度を達成できるか？ これは古典的下界とどのように比較されるか？
• RQ4 量子モデルにおいて、既知-未知の分布テスト問題は、未知-未知のケースと同程度に効率的に解けるか？

主な発見

• 未知の分布と既知の分布の間の近似性をテストするための量子クエリ複雑度は $ O(m^{1/3}) $ であり、量子下界 $ \Omega(m^{1/3}) $ を通じて、ほぼ最適であることが証明されている。
• これに対して、古典的アルゴリズムは既知-未知の状況で $ \Theta(\sqrt{m}) $ のクエリを必要とし、多項式的量子高速化が示されている。
• 周期性テストにおいては、ショアのアルゴリズムを用いた量子アルゴリズムはわずか $ O(1) $ のクエリで十分であり、一方で古典的アルゴリズムは $ \Omega(n^{1/4}) $ のクエリを必要とする。これは定数対多項式の高速化を示している。
• 本論文は、古典的モデルにおいて既知-未知のケースが未知-未知のケースよりも厳密に簡単である（$ \sqrt{m} $ 対 $ m^{2/3} $）ことを示しているが、量子アルゴリズムがこの複雑度のギャップを埋められることを示している。
• 既知-未知の分布テストにおける量子下界 $ \Omega(m^{1/3}) $ が証明され、上界と一致しており、最適性が確認されている。
• 結果はグラフ同型性テストへも拡張可能であり、量子オラクルアクセスが利用可能な場合、新しい分布テストツールを活用することでクエリ複雑度を低減できる。