[논문 리뷰] Complexity of multivariate Feynman-Kac path integration in randomized and quantum settings

Marek Kwas|ArXiv.org|2004. 10. 18.

Coding theory and cryptography참고 문헌 17인용 수 9

한 줄 요약

이 논문은 고전적 최악의 경우 설정에서 차원의 극복 문제를 야기하는 다변량 파면-카스 경로 적분 문제는 랜덤화 및 양자 설정에서 지수적 속도 향상을 달성함을 입증한다. 랜덤화 및 양자 알고리즘을 통한 균일 근사에 기반하여 복잡도는 ε⁻¹에 다항적으로 의존하고 차원 d에 독립적이며, 지수는 최대 2(랜덤화) 및 1(양자)이므로 차원의 극복 문제를 극복한다.

ABSTRACT

The Feynman-Kac path integration problem was studied in the worst case setting by Plaskota et al. (J. Comp. Phys. 164 (2000) 335) for the univariate case and by Kwas and Li (J. Comp. 19 (2003) 730) for the multivariate case with d space variables. In this paper we consider the multivariate Feynman-Kac path integration problem in the randomized and quantum settings. For smooth multivariate functions, it was proven in Kwas and Li (2003) that the classical worst case complexity suffers from the curse of dimensionality in d. We show that in both the randomized and quantum settings the curse of dimensionality is vanquished, i.e., the number of function evaluations and/or quantum queries required to compute an e-approximation has a bound independent of d and depending polynomially on 1/e. The exponents of these polynomials are at most 2 in the randomized setting and at most 1 in the quantum setting. Hence we have exponential speedup over the classical worst case setting and quadratic speedup of the quantum setting over the randomized setting. However, both the randomized and quantum algorithms presented here still require extensive precomputing, similar to the algorithms of Plaskota et al. (2000) and Kwas and Li(2003).

연구 동기 및 목표

• 공간 변수 수 d가 증가할수록 고전적 최악의 경우 복잡도에 악영향을 미치는 다변량 파면-카스 경로 적분의 차원의 극복 문제를 해결하기 위해.
• 랜덤화 및 양자 설정에서 다변량 파면-카스 경로 적분 문제의 계산 복잡도를 분석하기 위해.
• 개선된 복잡도 경계를 갖는 균일 근사를 기반으로 한 효율적 알고리즘 개발을 위해.
• 랜덤화 및 양자 알고리즘이 모두 차원의 극복 문제를 극복하며, 양자 설정에서 랜덤화 설정보다 제곱 속도 향상을 제공함을 보여주기 위해.

제안 방법

• 연구는 다변량 파면-카스 경로 적분 문제를 해결하기 위한 핵심 계산 빌딩 블록으로 균일 근사를 사용한다.
• 랜덤화 알고리즘은 분산 감소 기법을 적용한 몬테카를로 유형의 샘플링을 사용하여 수렴 속도를 향상시킨다.
• 양자 알고리즘은 확률 진폭 강화 및 양자 질의 모델을 사용하여 고전적 랜덤화 방법보다 더 빠른 수렴을 달성하도록 설계된다.
• 경로 적분 문제를 다변량 가중치 적분으로 연결함으로써 랜덤화 및 양자 설정에서 알려진 날카운 복잡도 경계와 관련하여 복잡도 경계를 유도한다.
• r번 연속적으로 미분 가능한 함수의 클래스 F에 속하는 매끄러운 함수의 경우, 균일 근사 복잡도는 ε⁻¹에 의존하며 지수는 d와 r에 따라 달라진다.
• 이론적 분석은 랜덤화 알고리즘의 비용이 O(ε⁻²/(1+2r/d))로 스케일링되고, 양자 알고리즘의 비용이 O(ε⁻¹/(1+r/d))로 스케일링되며, 둘 다 渐近적으로 d에 독립적임을 확인한다.

실험 결과

연구 질문

• RQ1 다변량 파면-카스 경로 적분에서 차원의 극복 문제는 랜덤화 및 양자 설정에서 극복될 수 있는가?
• RQ2 랜덤화 및 양자 설정에서 다변량 파면-카스 경로 적분의 ε-근사치를 계산하는 정확한 복잡도는 무엇인가?
• RQ3 고전적 최악의 경우 설정에 비해 랜덤화 및 양자 알고리즘의 질의 복잡도와 속도 향상은 어떻게 비교되는가?
• RQ4 제안된 랜덤화 및 양자 알고리즘은 다변량 파면-카스 경로 적분 문제에 대해 최적인가?
• RQ5 입력 함수의 매끄러움(측정 기준 r)은 랜덤화 및 양자 설정에서 복잡도 결정에 어떤 역할을 하는가?

주요 결과

• 다변량 파면-카스 경로 적분의 고전적 최악의 경우 복잡도는 차원의 극복 문제를 야기하며, 복잡도는 d와 r에 따라 달라지는 지수를 갖는 ε⁻¹에 비례하여 증가한다.
• 랜덤화 설정에서는 복잡도가 O(ε⁻²/(1+2r/d))로 경계가 정해지며, 이는 渐近적으로 d에 독립적이고, ε⁻¹에 다항적으로 의존하며 지수는 최대 2이다.
• 양자 설정에서는 복잡도가 O(ε⁻¹/(1+r/d))로 경계가 정해지며, 지수는 최대 1이며, 큰 d에 대해 랜덤화 설정보다 제곱 속도 향상을 달성한다.
• r번 연속적으로 미분 가능한 함수의 클래스에 대해, 랜덤화 복잡도는 O(ε⁻²/(1+2r/d))로 스케일링되고, 양자 복잡도는 O(ε⁻¹/(1+r/d))로 스케일링되며, 양자 설정 모두 주요 순서에서 d에 독립적이다.
• 제안된 랜덤화 및 양자 알고리즘은 다변량 적분 문제에 대한 알려진 하한 경계와 일치하므로 대략적으로 최적이다.
• 주기적 함수에 대해 매끄러움 r이 성립할 경우 동일한 복잡도 경계가 유지되며, 적분 복잡도에서의 일치하는 하한 경계로 인해 알고리즘이 최적임을 입증한다.