[論文レビュー] Quantum Algorithm for k-distinctness with Prior Knowledge on the Input

Aleksandrs Belovs, Troy Lee|arXiv (Cornell University)|Aug 15, 2011

Quantum Computing Algorithms and Architecture参考文献 13被引用数 26

ひとこと要約

本稿では、入力内に存在する $t$-tuples ($1 \leq t \leq k-1$) の数に関する事前知識を活用することで、$O(n^{1-2^{k-2}/(2^k-1)})$ の量子クエリ複雑度を達成する $k$-一意性問題のための量子アルゴリズムを提示する。学習グラフフレームワークと双対アダルバーサンドの技術を用いることで、$k > 2$ の場合に標準的な $O(n^{k/(k+1)})$ の境界を改善し、構造的知識が事前に得られる場合に $n^{3/4}$ 未満の複雑度を達成する。

ABSTRACT

It is known that the dual of the general adversary bound can be used to build quantum query algorithms with optimal complexity. Despite this result, not many quantum algorithms have been designed this way. This paper shows another example of such algorithm. We use the learning graph technique from arXiv:1105.4024 to give a quantum algorithm for $k$-distinctness problem that runs in $o(n^{3/4})$ queries, for a fixed $k$, given some prior knowledge on the structure of the input. The best known quantum algorithm for the unconditional problem uses $O(n^{k/(k+1)})$ queries.

研究の動機と目的

• 入力に関する事前構造的知識が得られる場合に、$k$-一意性問題の量子クエリアルゴリズムの複雑度を向上させること。
• 入力内に存在する $t$-tuples ($1 \leq t \leq k-1$) の数に関する事前知識が、固定された $k$ に対して $n^{3/4}$ 未満のクエリ複雑度を実現できることを示すこと。
• 学習グラフ法を標準的な応用を超えて拡張するために、アーク重み付けに変数値の情報を組み込むこと。
• スパンプログラムに基づくアルゴリズムにおける対数的オーバーヘッドという未解決の問題を、双対アダルバーサンドを用いて解消すること。
• 1-証明書複雑度が定数である関数が、$o(n^{3/4})$ のクエリで解けるかどうかを検討すること。既知の結果を一般化することを目的とする。

提案手法

• アルゴリズムは、入力変数への部分的代入を表す頂点集合の系列を用いた学習グラフモデルを用いて、フローを構築する。
• 入力内に存在する $t$-tuples の数に関する事前知識（精度 $O(n^{1/4})$）を活用し、学習グラフの構築を導く。
• 双対アダルバーサンドはスパンプログラムよりも一般性が高く、定数倍のオーダーで最適なクエリ複雑度を達成できる。
• 主な構成要素には、等価な要素からなる最大集合としての $t$-部分タプルの定義、および変数値に基づく重み付けを施した学習グラフのアークの使用が含まれる。
• フロー比の上限評価には、頂点タイプ間の距離を用い、Lemmas 20–23 を用いて集中不等式を適用する。
• フローの特異性と対称性は、$\Omega(1)$ の割合の頂点が典型的であることを示し、同等のアーク間のフロー差が定数倍以内であることを示すことで確立される。

実験結果

リサーチクエスチョン

• RQ1 入力内に存在する $t$-tuples の数に関する事前知識が、$k$-一意性問題の量子クエリ複雑度を $O(n^{3/4})$ 未満に低下させることができるか？
• RQ2 学習グラフのアーク重み付けに変数値を組み込むことで、重みなし構成と比較して計算上の利点が得られるか？
• RQ3 双対アダルバーサンドが、事前知識を有する $k$-一意性問題に対して最適なクエリ複雑度を達成するのに十分か？
• RQ4 $o(n^{3/4})$ のクエリ複雑度は、1-証明書複雑度が定数であるすべての関数に一般化可能か？
• RQ5 事前構造的知識がある場合に、$k$-一意性問題の可能な限りタイトなクエリ複雑度は何か？

主な発見

• 事前知識として $t$-tuples ($1 \leq t \leq k-1$) の数が $O(n^{1/4})$ の精度で得られる場合、$k$-一意性問題の量子クエリ複雑度が $O(n^{1-2^{k-2}/(2^k-1)})$ に達する。
• すべての $k > 2$ に対して、複雑度は $O(n^{3/4})$ 未満であり、$k$ が増加するにつれて指数が減少する。
• 双対アダルバーサンドが最適な量子クエリアルゴリズムを構築するのに十分であることが示され、従来のスパンプログラムに基づく手法に伴う対数的オーバーヘッドの問題が解決された。
• 変数値を用いたアーク重み付けを導入することで、学習グラフの構築が強化され、$k$-一意性のような対称的問題において有益であることが示された。
• 学習グラフ内のフローはほぼ対称的であり、ステップ $(i,j,l)$ に対して特異性が $O(n / r_{l-1})$ で抑えられており、解析の堅牢性と正しさが保証される。
• この結果は、事前知識を有する $k$-一意性問題が $o(n^{3/4})$ のクエリで解けることを示唆しており、一般ケースにおける $O(n^{k/(k+1)})$ の境界に比べて顕著な改善である。