[논문 리뷰] Optimal measurements for the dihedral hidden subgroup problem

Dave Bacon, Andrew M. Childs외 1명|2005. 01. 10.

Quantum Computing Algorithms and Architecture참고 문헌 48인용 수 45

한 줄 요약

이 논문은 이황군 숨은 부분군 상태를 구별하는 데 있어 '매우 좋은 측정'이 최적임을 규명하고, 밀도 ν = k/log N ≈ 1에서 성공 확률에 날카로운 임계점이 있음을 보이며, 비지수적으로 작은 성공 확률을 얻기 위해 Ω(log N)의 복사본이 필요하다는 것을 증명한다. 또한 최적 측정을 부분합 해답에서의 양자 샘플링과 연결하여, 밀도 ν > 1에서 최적 측정을 구현하는 것과 평균 케이스 부분합 문제를 해결하는 것이 동치임을 설립한다.

ABSTRACT

We consider the dihedral hidden subgroup problem as the problem of distinguishing hidden subgroup states. We show that the optimal measurement for solving this problem is the so-called pretty good measurement. We then prove that the success probability of this measurement exhibits a sharp threshold as a function of the density nu=k/log N, where k is the number of copies of the hidden subgroup state and 2N is the order of the dihedral group. In particular, for nu<1 the optimal measurement (and hence any measurement) identifies the hidden subgroup with a probability that is exponentially small in log N, while for nu>1 the optimal measurement identifies the hidden subgroup with a probability of order unity. Thus the dihedral group provides an example of a group G for which Omega(log|G|) hidden subgroup states are necessary to solve the hidden subgroup problem. We also consider the optimal measurement for determining a single bit of the answer, and show that it exhibits the same threshold. Finally, we consider implementing the optimal measurement by a quantum circuit, and thereby establish further connections between the dihedral hidden subgroup problem and average case subset sum problems. In particular, we show that an efficient quantum algorithm for a restricted version of the optimal measurement would imply an efficient quantum algorithm for the subset sum problem, and conversely, that the ability to quantum sample from subset sum solutions allows one to implement the optimal measurement.

연구 동기 및 목표

• 이황군 숨은 부분군 문제(DHSP)를 해결하는 데 핵심적인 이황군 숨은 부분군 상태를 구별하는 데 최적의 양자 측정을 규명하는 것.
• 이 최적 측정의 성공 확률이 복사본 수 k에 따라 어떻게 변하는지 분석하며, 밀도 ν = k/log N로 매개변수화된 함수로 표현하는 것.
• 최적 측정을 구현하는 것과 평균 케이스 부분합 문제를 밀도 ν에서 해결하는 것 사이의 연결 고리를 설정하는 것.
• 최적 측정의 효율적인 양자 회로 구현이 DHSP 또는 관련 문제에 대한 새로운 알고리즘을 제공할 수 있는지 조사하는 것.
• 숨은 부분군의 한 비트를 결정하는 데 최적 측정이 전체 문제와 동일한 임계점 행동을 보일 수 있는지 탐구하는 것.

제안 방법

• 홀레보-유엔-켄네디-락 정리를 적용하여, '매우 좋은 측정'(粗略测量)이 이황군 숨은 부분군 상태를 구별하는 데 최적임을 증명한다.
• 복사본 수 k에 따른 매우 좋은 측정의 성공 확률을 분석하며, 핵심 밀도 매개변수로 ν = k/log N를 사용한다.
• 표현 이론적 분해를 통해 최적 측정을 블록 x 조건부로 조건화하여 문제를 블록 내 POVM으로 축소한다.
• 최적 측정을 블록 조건부 형태로 구현하는 것은, 밀도 ν에서 부분합 문제의 해답에서 효율적으로 양자 샘플링할 수 있을 때에만 가능하다는 것을 보여준다.
• 역으로, 밀도 ν > 1에서 부분합 문제에 대한 효율적인 양자 알고리즘이 있으면 최적 측정의 효율적 구현이 가능하다는 것을 증명한다.
• 블록 조건부가 아닌 직접적인 최적 측정 구현 가능성에 대해 고려하며, 이는 부분합 문제를 우회할 수 있을 가능성을 시사한다.

실험 결과

연구 질문

• RQ1 이황군 숨은 부분군 상태를 구별하는 데 최적의 양자 측정은 무엇이며, 이는 효율적인 양자 회로로 구현 가능한가?
• RQ2 최적 측정의 성공 확률은 복사본 수 k에 따라 날카로운 임계점을 보이는가? 만약 그렇다면, 밀도 ν = k/log N에서 어느 정도인가?
• RQ3 부분합 해답에서의 양자 샘플링을 사용하여 최적 측정의 효율적 양자 구현을 구성할 수 있는가?
• RQ4 숨은 부분군의 한 비트를 결정하는 문제는 전체 DHSP를 해결하는 것보다 상당히 간단한가?
• RQ5 측정 x를 먼저 측정하지 않고 최적 측정을 직접적으로 구현하는 방식이 부분합 문제를 우회하고 DHSP에 대한 새로운 양자 알고리즘을 제공할 수 있는가?

주요 결과

• 홀레보-유엔-켄네디-락 정리를 통해 '매우 좋은 측정'이 이황군 숨은 부분군 상태를 구별하는 데 최적임을 증명하였다.
• ν < 1일 경우 성공 확률이 log N에 대해 지수적으로 감소함을 보이며, 이는 비지수적으로 작은 성공 확률을 얻기 위해 Ω(log N)의 복사본이 필수적임을 증명한다.
• ν > 1일 경우 최적 측정의 성공 확률은 일정(일반적인 크기)이며, 이는 k = Ω(log N) 복사본이 고확률 식별에 충분함을 시사한다.
• 숨은 부분군의 가장 낮은 비트를 결정하는 데 최적 측정은 전체 문제와 동일한 임계점 행동을 보이며, 부분 정보에 대해 상당한 단순화가 없음을 시사한다.
• 최적 측정을 블록 조건부 형태로 구현하는 것은, 밀도 ν에서 평균 케이스 부분합 문제의 해답에서 효율적으로 양자 샘플링할 수 있을 때에만 가능하다.
• 밀도 ν > 1에서 부분합 문제에 대한 효율적인 양자 알고리즘이 있으면 DHSP에 대한 효율적인 양자 알고리즘이 존재하며, 반대로 최적 측정의 효율적 구현은 부분합 해답에서의 양자 샘플링을 가능하게 한다.