[論文レビュー] Quantum Online Streaming Algorithms with Constant Number of Advice Bits.

Kamil Khadiev, Mansur Ziatdinov+3 more|arXiv (Cornell University)|Feb 13, 2018

Optimization and Search Problems参考文献 22被引用数 5

ひとこと要約

本論文は、ブラックハット法を用いて構築された問題$P_k$のための、1つのアドバイスビットと1つのキュービットのメモリを備えた、量子オンラインストリーミングアルゴリズムを導入する。このアルゴリズムは、最適性を達成する。また、後続の分析により、後者に無制限の計算能力が与えられても、サブログラスティックなメモリとアドバイス制限を受ける古典的アルゴリズムに対して、定数キュービットの量子アルゴリズムが優れていることが示される。

ABSTRACT

Online algorithms are known model that is investigated with respect to a competitive ratio typically. In this paper, we investigate streaming algorithms as a model for online algorithms. We focus on quantum and classical online algorithms with advice. Special problem $P_k$ was considered. This problem is obtained using Black Hats Method. There is an optimal quantum online algorithm with single advice bit and single qubit of memory for the problem. At the same time, there is no optimal deterministic or randomized online algorithm with sublogarithmic memory for the same problem even the algorithm gets $o(\log n)$ advice bits. Additionally, we show that quantum online algorithm with a constant number of qubits can be better than deterministic online algorithm even if deterministic one has a constant number of advice bits and unlimited computational power.

研究の動機と目的

• アドバイス付きストリーミングモデルにおける量子オンラインアルゴリズムの能力を調査すること。
• オンラインアルゴリズムにおけるメモリサイズ、アドバイスビット、および競合比のトレードオフを分析すること。
• 古典的アルゴリズムがサブログラスティックなメモリとアドバイスに制限を受ける状況において、量子計算がオンライン計算で実際に優位性を示すかどうかを実証すること。
• ブラックハット法を用いて、量子の優位性を顕著にする問題$P_k$を構築すること。
• 定数キュービットのメモリを備えた量子アルゴリズムを、制限されたアドバイスを持つ決定的および確率的古典的アルゴリズムと比較すること。

提案手法

• 問題$P_k$は、挑戦的なオンライン問題を生成する手法としてのブラックハット法を用いて生成される。
• 1つのキュービットのメモリと1つのアドバイスビットを備えた量子オンラインアルゴリズムが設計され、最適な競合比が達成されている。
• アルゴリズムは、ストリーミング入力を効率的に処理するために、量子重ね合わせとユニタリ変化を活用している。
• 古典的アルゴリズムは、サブログラスティックなメモリと$o(\log n)$アドバイスビットの制限下で分析されている。
• 競合比は、アルゴリズムのコストを最適なオフラインコストと比較することで評価されている。
• 理論的分析により、サブログラスティックなメモリと$o(\log n)$アドバイスビットを用いる決定的または確率的古典的アルゴリズムが、$P_k$に対して最適であることは不可能であることが証明されている。

実験結果

リサーチクエスチョン

• RQ1 定数のメモリとアドバイスビットを備えた量子オンラインアルゴリズムは、無制限の計算能力を持つ古典的アルゴリズムを上回ることができるか？
• RQ2 ストリーミングモデルにおける最適なオンライン計算を達成するための最小のアドバイスとメモリ要件は何か？
• RQ3 両者ともに制限されたメモリとアドバイスに制限を受ける状況で、量子計算が古典的計算に対して明示的な優位性を示すか？
• RQ4 ブラックハット法は、古典的オンラインアルゴリズムの限界を露呈する問題をどのように生成するか？
• RQ5 1つのキュービットと1つのアドバイスビットを備えた量子アルゴリズムは、非自明なオンライン問題に対して最適性を達成できるか？

主な発見

• 問題$P_k$に対して、1つのアドバイスビットと1つのキュービットのメモリのみを用いた最適な量子オンラインアルゴリズムが存在する。
• サブログラスティックなメモリと$o(\log n)$アドバイスビットを用いる決定的または確率的古典的オンラインアルゴリズムは、$P_k$に対して最適であることはできない。
• 定数キュービットの量子オンラインアルゴリズムは、後者に無制限の計算能力が与えられても、古典的アルゴリズムを上回る。
• ブラックハット法を用いて構築された問題$P_k$は、メモリとアドバイスの制限下で古典的オンラインアルゴリズムの限界を露呈するように特に設計されている。
• 本研究は、厳密なリソース制限下において、アドバイス付きオンラインストリーミングモデルにおける明示的な量子優位性を確立した。
• 本研究は、量子リソース（キュービットとアドバイスビット）が、古典的制限（メモリとアドバイス）を補完し、最適なパフォーマンスを達成できることを示している。