[論文レビュー] Sharp Error Bounds on Quantum Boolean Summation in Various Settings

Marek Kwas, Henryk Woźniakowski|ArXiv.org|Mar 10, 2003

Quantum Computing Algorithms and Architecture参考文献 7被引用数 5

ひとこと要約

本稿は、最悪確率的および平均確率的設定における量子ブール和分（QS）アルゴリズムの鋭い誤差バウンドを提供する。先行研究の誤差推定を改善し、誤差が確率 $rac{8}{/pi^2}$ で $rac{3}{4} a M^{-1}$ 以下であることを示し、平均確率的設定において $M$ が 4 の倍数のとき、QSアルゴリズムが $ ext{order}iglackslash{M^{-1}, N^{-1/2}igrackslash}$ の最適誤差を達成することを確立する。

ABSTRACT

We study the quantum summation (QS) algorithm of Brassard, Hoyer, Mosca and Tapp, that approximates the arithmetic mean of a Boolean function defined on N elements. We improve error bounds presented in [1] in the worst-probabilistic setting, and present new error bounds in the average-probabilistic setting. In particular, in the worst-probabilistic setting, we prove that the error of the QS algorithm using $M - 1$ queries is $3π/(4M)$ with probability $8/π^2$, which improves the error bound $πM^{-1} + π^2 M^{-2}$ of Brassard et al. We also present bounds with probabilities $p\in (1/2, 8/π^2]$ and show they are sharp for large $M$ and $NM^{-1}$. In the average-probabilistic setting, we prove that the QS algorithm has error of order $\min\{M^{-1}, N^{-1/2}\}$ if $M$ is divisible by 4. This bound is optimal, as recently shown in [10]. For M not divisible by 4, the QS algorithm is far from being optimal if $M \ll N^{1/2}$ since its error is proportional to $M^{-1}^$.

研究の動機と目的

• 最悪確率的および平均確率的設定における量子ブール和分（QS）アルゴリズムの誤差バウンドを精緻化・鋭くすること。
• ブール関数に対する異なる確率的設定と測定基準下でのQSアルゴリズムの最適性能を特定すること。
• 特に $M$ が 4 の倍数のとき、平均確率的設定においてQSアルゴリズムが最小限の可能な誤差を達成するかどうかを確立すること。
• 誤差がクエリ数 $M$ と問題サイズ $N$ にどのように依存するかを分析し、古典的最悪ケースおよび確率的設定と比較すること。
• 大規模な $M$ および $N/M$ の場合に、誤差バウンドの鋭さを漸近的解析および三角関数の逆関数を用いて検証すること。

提案手法

• 関数 $v(\Delta) = \sin^2(\pi\Delta)/(\pi\Delta)^2$ の逆関数を用いて、最悪確率的設定における誤差バウンドを導出し、確率 $rac{8}{\pi^2}$ で $\frac{3}{4}\pi M^{-1}$ 以下のより鋭いバウンドを達成する。
• テイラー展開および三角不等式を用いて、特に $\sigma_{a_f} = M/4$ の周辺における振幅推定プロセスの誤差を推定する。
• ベルンシュタイン不等式を用いて、平均が $rac{1}{2}$ に近いブール関数の確率質量をバウンドし、平均誤差の下界を確立する。
• ブール関数に対する二つの異なる測定基準を分析する：関数全体に一様な分布（$ f{p}_1$）と、その算術平均に一様な分布（$ f{p}_2$）であり、これにより異なる誤差行動が生じる。
• QSアルゴリズムが、$ f{p}_1$ の下で $M$ が 4 の倍数のときのみ、誤差が $ ext{order}iglackslash{M^{-1}, N^{-1/2}igrackslash}$ に達することを確立する。これは振幅推定出力分布の構造を活用する。
• パペアジョルジョウ（2003）の既知の下界と比較し、$ f{p}_1$ の下で $M$ が 4 の倍数のとき、平均確率的設定においてQSアルゴリズムが最適性を達成することを確認する。

実験結果

リサーチクエスチョン

• RQ1 最悪確率的設定におけるQSアルゴリズムの誤差バウンドは、以前に知られていた $ a M^{-1} + a^2 M^{-2}$ よりも改善可能か？
• RQ2 確率 $p \in (\frac{1}{2}, \frac{8}{\pi^2}]$ の下で、QSアルゴリズムの鋭い誤差バウンドは何か？ これは $M$ と $N$ にどのように依存するか？
• RQ3 平均確率的設定においてQSアルゴリズムは最適誤差を達成するか？ その条件は何か？
• RQ4 ブール関数に対する測定基準（$ f{p}_1$ 対 $ f{p}_2$）の選択は、QSアルゴリズムの平均誤差にどのように影響するか？
• RQ5 平均確率的設定において誤差が $ ext{order}iglackslash{M^{-1}, N^{-1/2}igrackslash}$ に達する可能性はあり、それが最適か？

主な発見

• 最悪確率的誤差バウンドは、確率 $rac{8}{\pi^2}$ で $rac{3}{4}\pi M^{-1}$ に改善され、以前の $ a M^{-1} + a^2 M^{-2}$ よりも鋭い。
• 確率 $p \in (\frac{1}{2}, \frac{8}{\pi^2}]$ の下で、誤差は $rac{(1 - v^{-1}(p))\pi}{M}$ でバウンドされ、$M$ および $N/M$ が大きい場合に鋭いバウンドとなる。
• 測定基準 $ f{p}_1$ の下で平均確率的設定において、QSアルゴリズムは $M$ が 4 の倍数である場合に限り、誤差が $ ext{order}iglackslash{M^{-1}, N^{-1/2}igrackslash}$ に達する。
• もし $M$ が 4 の倍数でない場合、誤差は $M^{-1}$ に比例し、$ f{p}_1$ の下で $M \ll N^{1/2}$ 時にアルゴリズムは非最適となる。
• バウンド $ ext{order}iglackslash{M^{-1}, N^{-1/2}igrackslash}$ は最適であり、パペアジョルジョウ（2003）によって確認済みであり、$M$ が 4 の倍数のときQSアルゴリズムがこれを達成する。
• 測定基準 $ f{p}_2$ の下では、平均誤差は $M^{-1}$ のオーダーとなり、最悪ケース性能と一致し、$N^{-1/2}$ への改善は不可能である。