[논문 리뷰] 1-way quantum finite automata: strengths, weaknesses and generalizations

Andris Ambainis, Rūsiņš Freivalds|ArXiv.org|1998. 02. 25.

Machine Learning and Algorithms참고 문헌 9인용 수 36

한 줄 요약

이 논문은 1방향 양자 유한 오토마타(1-way QFAs)를 조사하여, 고전적 오토마타보다 지수적으로 적은 상태 수로 특정 정규 언어를 인식할 수 있음을 보여준다. 저자는 낮은 수용 확률을 가진 QFA가 가역적 오토마타보다 더 강력하다는 것을 보이며, 다중 스캔 및 확률적 사전처리와 같은 일반화된 모델을 도입하여 {aⁿbⁿ}과 같은 비정규 언어를 인식할 수 있도록 하여 표준 1-way QFAs의 한계를 극복한다.

ABSTRACT

We study 1-way quantum finite automata (QFAs). First, we compare them with their classical counterparts. We show that, if an automaton is required to give the correct answer with a large probability (over 0.98), then the power of 1-way QFAs is equal to the power of 1-way reversible automata. However, quantum automata giving the correct answer with smaller probabilities are more powerful than reversible automata. Second, we show that 1-way QFAs can be very space-efficient. Namely, we construct a 1-way QFA which is exponentially smaller than any equivalent classical (even randomized) finite automaton. This construction may be useful for design of other space-efficient quantum algorithms. Third, we consider several generalizations of 1-way QFAs. Here, our goal is to find a model which is more powerful than 1-way QFAs keeping the quantum part as simple as possible.

연구 동기 및 목표

• 1-way 양자 유한 오토마타(QFAs)의 계산 능력이 고전적 및 가역적 오토마타에 비해 어떻게 되는지 분석하기.
• QFA가 특정 정규 언어에 대해 고전적 유한 오토마타보다 지수적으로 상태 수를 줄일 수 있는지 조사하기.
• 표준 1-way QFAs를 초월하여 표현력을 높이되, 작은 양자 구성 요소를 유지하는 일반화된 QFA 모델을 설계하기.
• 다중 스캔이나 사전처리와 같은 수정 사항이 비정규 언어 인식을 가능하게 하는지 조사하기.
• QFAs에서 수용 확률, 상태 복잡도, 계산 능력 간의 상충 관계를 명확히 하기.

제안 방법

• 수용 확률을 분석하여 1-way QFAs와 1-way 가역적 오토마타를 비교함으로써, 확률이 7/9를 초과할 경우 두 모델이 동치임을 보임.
• 소수 p에 대한 나눗셈을 인식하기 위해 O(log p)개의 상태를 가진 1-way QFA를 구성함. 이는 고전적 오토마타가 p개의 상태가 필요로 하는 것과 대비됨.
• 일반화된 모델 도입: 입력을 다중 스캔하는 1-way QFAs, 또는 2-way 고전적 오토마타를 통해 확률적 사전처리를 수행하는 모델.
• 입력 기호에 따라 유한 차원 힐베르트 공간에서의 유니터리 변환 Vₐ를 사용하여 양자 상태의 진동을 모델링함.
• 각 단계 후에 양자 측정을 적용하여 정지 상태를 결정함. 수용 또는 기각은 최종 상태의 진폭에 기반함.
• 유한 상태 집합의 중첩을 사용하고, 수용을 수용 부분공간으로의 사영을 통해 정의함.

실험 결과

연구 질문

• RQ1 1-way QFA의 수용 확률이 1-way 가역적 오토마타와의 동치성에 미치는 영향은 무엇인가?
• RQ2 특정 정규 언어에 대해 1-way QFAs가 고전적 유한 오토마타보다 지수적으로 상태 수를 줄일 수 있는가?
• RQ3 다중 스캔 또는 사전처리를 포함한 일반화된 1-way QFA 모델이 {aⁿbⁿ}과 같은 비정규 언어를 인식할 수 있는가?
• RQ4 비정규 언어를 인식하기 위해 최소한의 양자 구성 요소 크기가 필요한가, 동시에 양자 시스템은 일정 크기로 유지되는가?
• RQ5 하이브리드 양자-고전 오토마타 모델에서 양자 상태 크기와 고전적 계산 노력 사이에 상충 관계가 존재하는가?

주요 결과

• 소수 p에 대한 나눗셈을 인식하기 위해 1-way QFA는 오직 O(log p)개의 상태만 필요로 하며, 고전적 결정적 또는 확률적 오토마타는 p개의 상태가 필요로 한다.
• 수용 확률이 7/9를 초과할 경우, 어떤 1-way QFA도 1-way 가역적 오토마타에 의해 시뮬레이션될 수 있지만, 낮은 확률(예: 약 0.68)에서는 QFA가 엄격히 더 강력하다.
• 다중 스캔을 수행하는 1-way QFA는 유효한 입력에서는 절대 정지하지 않고, 잘못된 입력에서는 항상 정지함으로써 비정규 언어 {aⁿbⁿ}을 인식할 수 있다.
• 확률적 사전처리를 갖춘 1-way QFA는 높은 확률(1−ε)로 {aⁿbⁿ}을 인식할 수 있으며, 사전처리는 2-way 확률적 오토마타가 담당하고, 양자 검증은 1-way QFA가 수행한다.
• 사전처리 모델은 양자 시스템 크기를 늘리지 않으면서도 비정규 언어를 인식할 수 있게 하며, 양자 부분을 일정 크기로 유지한다.
• p에 대한 QFA의 구성은 양자 오토마타가 고전적 오토마타보다 지수적으로 공간 효율적일 수 있음을 보여준다.