[논문 리뷰] Rapid sampling through quantum computing

Lov K. Grover|ArXiv.org|1999. 12. 01.

Quantum Computing Algorithms and Architecture참고 문헌 10인용 수 24

한 줄 요약

이 논문은 O(√N) 단계 내에 N개의 점에 대한 임의의 고전적 확률 분포에 대응하는 양자 중첩을 생성하는 양자 알고리즘을 제시한다. 이는 고전적 방법이 요구하는 O(N) 단계보다 훨씬 빠른 속도이다. 다수의 해를 다루는 양자 검색 프레임워크를 확장함으로써, 알고리즘은 유니타리 변환과 진폭 강화를 사용하여 간섭의 건설적 원리에 의해 목표 분포로 양자 상태를 회전시킨다.

ABSTRACT

This paper extends the quantum search class of algorithms to the multiple solution case. It is shown that, like the basic search algorithm, these too can be represented as a rotation in an appropriately defined two dimensional vector space. This yields new applications - an algorithm is presented that can create an arbitrarily specified quantum superposition on a space of size N in O(sqrt(N)) steps. By making a measurement on this superposition, it is possible to obtain a sample according to an arbitrarily specified classical probability distribution in O(sqrt(N)) steps. A classical algorithm would need O(N) steps.

연구 동기 및 목표

• 주어진 고전적 확률 분포에 대응하는 임의의 양자 중첩을 준비할 수 있는 양자 알고리즘을 개발하는 것.
• 다중 목표 상태를 다룰 수 있도록 양자 검색 알고리즘을 확장하여 비균일 분포에서 효율적인 샘플링을 가능하게 하는 것.
• 양자 계산이 고전적 알고리즘의 O(N) 단계 대비 O(√N) 단계 내에서 샘플링을 달성할 수 있음을 보여주는 것.
• 단일 해 검색을 초월하여 임의의 유니타리 변환과 진폭 제어를 사용하는 일반적인 양자 알고리즘 프레임워크를 제공하는 것.

제안 방법

• 알고리즘은 N개의 기저 상태에 대한 초기 균일 중첩을 생성하기 위해 월리-하다마드 변환을 사용한다.
• 목표 분포를 표현하기 위해 함수 f(x)를 사용하여, 각 목표 상태의 원하는 확률에 따라 선택적 위상 반전을 적용한다.
• 핵심 연산은 유니타리 변환 U1과 U2를 조합하여 진폭 강화를 수행하며, 상태를 목표 중첩으로 회전시킨다.
• 이 알고리즘은 두 차원 힐베르트 공간에서의 간섭 효과를 활용하여 시스템을 목표 상태로 회전시키며, 단일 해 검색과 유사하지만 다수의 해로 일반화된 형태이다.
• 최적 수렴을 위해 반복적으로 그로버 연산자를 적용하며, 반복 횟수는 N의 제곱근에 맞추어 조정된다.
• 최종 상태에 대한 측정을 통해 시스템은 원하는 확률 분포에 따라 샘플로 붕괴되며, O(√N) 단계 이내에 높은 정밀도로 성공한다.

실험 결과

연구 질문

• RQ1 양자 알고리즘은 고전적 방법보다 N개의 점에 대한 임의의 확률 분포를 더 효율적으로 생성할 수 있는가?
• RQ2 비균일 확률을 가진 다수의 목표 상태를 다룰 수 있도록 진폭 강화를 어떻게 적응시킬 수 있는가?
• RQ3 임의의 고전적 분포와 일치하는 중첩을 준비하기 위해 필요한 최소한의 양자 단계 수는 얼마인가?
• RQ4 단일 해 문제를 초월하여 임의의 유니타리 진동과 확률 가중치를 지원할 수 있도록 양자 검색 프레임워크를 일반화할 수 있는가?
• RQ5 간섭은 어떤 역할을 하여 목표 중첩 상태로의 더 빠른 수렴을 가능하게 하는가?

주요 결과

• 알고리즘은 O(√N) 단계 내에 임의의 고전적 확률 분포에 대응하는 양자 중첩을 준비하며, 고전적 O(N) 샘플링 대비 제곱근의 속도 향상을 달성한다.
• 목표 분포를 가중치가 부여된 중첩으로 간주함으로써, 알고리즘은 다중 해 검색을 다루는 양자 검색 알고리즘을 일반화한다. 단계 수는 최대 확률 진폭의 역수 제곱근에 비례한다.
• 알고리즘은 초기 상태를 두 차원 부분공간 내에서 연이은 유니타리 연산의 시퀀스를 통해 목표 중첩으로 회전시켜서, 표준 그로버 검색과 유사한 방식으로 작동한다.
• 목표 분포가 균일한 경우, 알고리즘은 표준 그로버 검색으로 축소되며, 원래 알고리즘과 정확히 동일한 단계 수가 필요하다.
• 초기 상태가 계산 기저 상태가 아니더라도 임의의 중첩일 경우, 적절한 기저에서 위상 반전 연산을 재정의함으로써 프레임워크는 여전히 유효하다.
• 적절히 선택된 실행 시간을 사용하여 반복 시도를 반복할수록, 원하는 상태를 성공적으로 준비할 확률은 지수적으로 증가하며, 이는 고정밀도 샘플링을 보장한다.