[논문 리뷰] Decoherence in Search Algorithms

G. Abal, R. Donangelo외 3명|arXiv (Cornell University)|2009. 12. 08.

Quantum Computing Algorithms and Architecture참고 문헌 18인용 수 6

한 줄 요약

이 논문은 이산 시간 양자 산책 기반의 두 검색 알고리즘—초입자에서의 SKW와 2차원 격자에서의 AKR—이 세 가지 디코herence 모델 하에서의 강건성에 대해 조사한다: 코인 연산자에서의 위상 오차와 이동 연산자에서의 고장난 연결선 오차. 수치 시뮬레이션을 통해 AKR 알고리즘이 SKW보다 노이즈에 더 잘 견디는 것으로 밝혀졌으며, δ=0.5 이상에서 성능이 급격히 악화되는 임계 노이즈 임계점이 존재하는 반면, SKW는 δ=1까지 강건성을 유지함으로써, 양자 산책 기반 검색 알고리즘 간의 노이즈 민감도가 상당히 다름을 시사한다.

ABSTRACT

Recently several quantum search algorithms based on quantum walks were proposed. Those algorithms differ from Grover's algorithm in many aspects. The goal is to find a marked vertex in a graph faster than classical algorithms. Since the implementation of those new algorithms in quantum computers or in other quantum devices is error-prone, it is important to analyze their robustness under decoherence. In this work we analyze the impact of decoherence on quantum search algorithms implemented on two-dimensional grids and on hypercubes.

연구 동기 및 목표

• 이산 시간 양자 산책 기반의 검색 알고리즘에 대한 디코herence 영향을 평가하기 위해.
• 코인 연산자에서의 위상 오차와 이동 연산자에서의 고장난 연결선 오차를 포함한 세 가지 별개의 노이즈 모델 하에서 AKR 및 SKW 알고리즘의 강건성 분석을 위해.
• 양자 우월성이 상실되는 임계 노이즈 임계점(δ)을 결정하고, 알고리즘 간 성능 저하를 비교하기 위해.
• 노이즈 조건 하에서 알고리즘의 조기 종료가 효율성을 향상시킬 수 있는지 평가하기 위해.

제안 방법

• 제어된 디코herence 모델 하에서 양자 산책 상태의 진화를 연구하기 위해 수치 시뮬레이션을 수행한다.
• 세 가지 노이즈 모델을 적용한다: 코인 연산자에 대한 체계적 및 무작위 위상 오차, 이동 연산자에 대한 확률적 고장난 연결선 오차.
• 검색 성공과 강건성을 평가하기 위해 표적 정점에서의 확률 진폭을 시간에 따라 추적한다.
• 시스템 크기 N에 대해 알고리즘 비용을 로그 스케일로 조정하여, 다양한 노이즈 수준 간의 성능을 비교한다.
• 이론적 정지 시간과 최적화된 조기 종료 전략을 비교하여 노이즈 하에서의 비용 절감 효과를 평가한다.
• 전이점 δ는 양자 속도 향상이 상실되는 노이즈 스케일로 정의되며, 이 값은 두 알고리즘에 대해 수치적으로 추정된다.

실험 결과

연구 질문

• RQ1 코인 연산자에서의 위상 오차는 초입자에서의 SKW 알고리즘과 2차원 격자에서의 AKR 알고리즘의 성공 확률에 어떻게 영향을 미치는가?
• RQ2 고장난 연결선 오차는 AKR 알고리즘에서 양자 산책자의 공간적 전파와 검색 효율성에 어떤 영향을 미치는가?
• RQ3 AKR 및 SKW 알고리즘의 양자 우월성이 고전적 성능으로 떨어지는 노이즈 스케일 δ는 얼마인가?
• RQ4 노이즈 조건 하에서 알고리즘의 조기 종료가 강건성 향상과 비용 절감에 기여할 수 있는가?
• RQ5 AKR 및 SKW 알고리즘 간의 양자 우월성 상실 임계 노이즈 임계점 δ는 어떻게 비교되는가?

주요 결과

• 2차원 격자에서의 AKR 알고리즘은 δ ≈ 0.5에서 임계 노이즈 임계점을 보이며, 이 이상에서는 알고리즘의 복잡도가 O(N)으로 떨어져 고전적 검색 성능과 일치한다.
• 초입자에서의 SKW 알고리즘은 더 높은 임계 노이즈 임계점 δ ≈ 1을 보이며, AKR보다 위상 오차에 더 강건함을 시사한다.
• δ < 0.5일 경우 AKR 알고리즘의 성능은 급격히 악화되며, 스케일링된 비용이 1에 가까워져 양자 우월성 상실을 나타낸다.
• δ < 0일 경우 AKR 알고리즘은 고전적 검색보다 열등한 성능을 보이며, 스케일링된 비용이 1을 초과한다.
• SKW 알고리즘은 AKR와 유사한 정성적 노이즈 영향을 보이지만, 더 높은 내성 임계점 덕분에 위상 오차에 더 강건함을 시사한다.
• 이론적 정지 시점 이전에 알고리즘을 조기에 종료하면 전체 비용이 감소하고 노이즈 하에서 성능이 향상되며, 특히 AKR 알고리즘에서 두드러진다.