[論文レビュー] Quantum walk based search algorithms

Miklós Sántha|ArXiv.org|Aug 1, 2008

Quantum Computing Algorithms and Architecture参考文献 30被引用数 20

ひとこと要約

この論文は、量子ウォークに基づく探索アルゴリズムの包括的サーベイを提示し、MNRSアルゴリズムの簡略化版を導入し、要素の同一性の特定、三角形、群の可換性といった重要な探索問題への応用を示している。構造化されたグラフ上の量子ウォークを活用することで、量子クエリ複雑性が向上し、主な結果として三角形問題では $ O(n^{13/10}) $、群の可換性問題では $ O(n^{2/3} \log n) $ の複雑性が得られ、古典的手法や基本的なグローバー探索の境界を上回っている。

ABSTRACT

In this survey paper we give an intuitive treatment of the discrete time quantization of classical Markov chains. Grover search and the quantum walk based search algorithms of Ambainis, Szegedy and Magniez et al. will be stated as quantum analogues of classical search procedures. We present a rather detailed description of a somewhat simplified version of the MNRS algorithm. Finally, in the query complexity model, we show how quantum walks can be applied to the following search problems: Element Distinctness, Matrix Product Verification, Restricted Range Associativity, Triangle, and Group Commutativity.

研究の動機と目的

• 離散時間量子ウォークの量子化を、古典的マルコフ連鎖の量子アナログとして、直感的かつ形式的な扱いを行うこと。
• MNRS量子ウォーク探索アルゴリズムの簡略化版の詳細な記述を提示すること。
• 量子ウォークを、クエリ複雑性モデルにおける基本的探索問題への応用を示すこと。
• 要素の同一性の特定、行列積検証、三角形、群の可換性といった問題のための、改善された量子クエリ複雑性の境界を確立すること。

提案手法

• 論文は、可逆的・対称的・一般の定常連鎖を含む、古典的マルコフ連鎖の量子化として、量子ウォークに基づく探索を定式化している。
• MNRSアルゴリズムを用い、ジョンソングラフ上の量子ウォークを用いて、マークされた要素の確率を振幅増幅によって強化している。
• 各問題について、既知の定常分布を持つ状態空間上に適切なマルコフ連鎖を構築し、問題の条件に基づいてマークされた集合を定義している。
• 固有値ギャップ $ \delta $ とマークされた状態の割合 $ \varepsilon $ を用いてクエリ複雑性を分析し、一般の量子ウォーク複雑性境界 $ O(\sqrt{1/\varepsilon \delta}) $ を適用している。
• 合計クエリ複雑性を計算するために、セットアップ・コスト、アップデート・コスト、チェック・コストを用いており、セットアップおよびアップデートのコストは使用されるデータ構造に依存している。
• 三角形や群の可換性といった問題では、頂点またはタプルの上でのグローバー探索を用いた再帰的または補助的な探索サブルーチンを用い、部分集合の探索を最適化するためにジョンソングラフを用いている。

実験結果

リサーチクエスチョン

• RQ1 古典的マルコフ連鎖をどのように体系的に量子化することで、より高速な探索アルゴリズムを得られるか？
• RQ2 構造化されたマークされた集合を持つ探索問題を解くために、最適な量子ウォークフレームワークは何か？
• RQ3 要素の同一性の特定や三角形といった問題において、量子ウォークはグローバーのアルゴリズムを上回るクエリ複雑性を達成できるか？
• RQ4 MNRSアルゴリズムは、以前の量子ウォークアプローチに比べて、一般性と効率性の面でどのように向上しているか？
• RQ5 群の可換性および制限付き範囲の結合則に関する量子ウォークベースのアルゴリズムのクエリ複雑性は何か？

主な発見

• 三角形問題は、MNRSフレームワークで $ r = n^{3/5} $ を設定することで、量子クエリ複雑性 $ O(n^{13/10}) $ で解ける。
• 群の可換性問題の量子クエリ複雑性は $ O(n^{2/3} \log n) $ であり、既知の最良の上界と一致し、$ \Omega(n^{2/3}) $ の下界を達成している。
• 要素の同一性の特定において、量子ウォークアプローチは $ O(n^{2/3}) $ のクエリ複雑性を達成し、グローバーのアルゴリズムの $ O(n^{1/2}) $ の境界を改善している。
• 行列積検証問題は、クエリ複雑性 $ O(n^{5/7}) $ で解かれており、量子ウォークが代数的問題において強力であることを示している。
• 制限付き範囲の結合則問題は、適切なパrameterを用いたジョンソングラフ上の量子ウォークを用いて $ O(n^{3/4}) $ のクエリで解かれており、効果的である。
• 本論文は、MNRSアルゴリズムフレームワークが概念的に単純かつ効果的であり、アーバインスとツェゲディの以前のアプローチを一般化し、改善していることを確立している。