[논문 리뷰] Sharp Error Bounds on Quantum Boolean Summation in Various Settings

Marek Kwas, Henryk Woźniakowski|ArXiv.org|2003. 03. 10.

Quantum Computing Algorithms and Architecture참고 문헌 7인용 수 5

한 줄 요약

이 논문은 악성 확률적 및 평균 확률적 설정에서 양자 부울 합산(QS) 알고리즘의 날카운 오차 한계를 제공한다. 이전의 오차 추정치를 개선하여 오차가 확률 $\frac{8}{\pi^2}$ 에서 최대 $\frac{3}{4}\pi M^{-1}$ 임을 보이며, 평균 확률적 설정에서 $M$ 이 4의 배수일 경우 QS 알고리즘이 순서 $\min\{M^{-1}, N^{-1/2}\}$ 의 최적 오차를 달성함을 입증한다.

ABSTRACT

We study the quantum summation (QS) algorithm of Brassard, Hoyer, Mosca and Tapp, that approximates the arithmetic mean of a Boolean function defined on N elements. We improve error bounds presented in [1] in the worst-probabilistic setting, and present new error bounds in the average-probabilistic setting. In particular, in the worst-probabilistic setting, we prove that the error of the QS algorithm using $M - 1$ queries is $3π/(4M)$ with probability $8/π^2$, which improves the error bound $πM^{-1} + π^2 M^{-2}$ of Brassard et al. We also present bounds with probabilities $p\in (1/2, 8/π^2]$ and show they are sharp for large $M$ and $NM^{-1}$. In the average-probabilistic setting, we prove that the QS algorithm has error of order $\min\{M^{-1}, N^{-1/2}\}$ if $M$ is divisible by 4. This bound is optimal, as recently shown in [10]. For M not divisible by 4, the QS algorithm is far from being optimal if $M \ll N^{1/2}$ since its error is proportional to $M^{-1}^$.

연구 동기 및 목표

• 악성 확률적 및 평균 확률적 설정에서 양자 부울 합산(QS) 알고리즘의 오차 한계를 보다 정밀하게 다듬고 날카롭게 하는 것.
• 부울 함수에 대한 다양한 확률적 설정과 측정 기준 하에서 QS 알고리즘의 최적 성능을 규명하는 것.
• 특히 $M$ 이 4의 배수일 경우 평균 확률적 설정에서 QS 알고리즘이 가능한 최소 오차를 달성하는지 여부를 규명하는 것.
• 질의 횟수 $M$ 과 문제 크기 $N$ 이 오차에 미치는 영향을 분석하고, 고전적 악성 케이스 및 랜덤 설정과의 성능를 비교하는 것.
• 대칭 분석 및 삼각함수 표현의 역함수를 사용하여 큰 $M$ 과 $N/M$ 에서 오차 한계의 날카움을 검증하는 것.

제안 방법

• 역함수 $v(\Delta) = \sin^2(\pi\Delta)/(\pi\Delta)^2$ 의 역함수를 사용하여 악성 확률적 설정에서 개선된 오차 한계를 유도하여 확률 $\frac{8}{\pi^2}$ 에서 $\frac{3}{4}\pi M^{-1}$ 의 더 날카운 경계를 확보한다.
• 테일러 전개와 삼각부등식을 적용하여, 특히 $\sigma_{a_f} = M/4$ 근처에서의 진폭 추정 과정의 오차를 추정한다.
• 베르슈타인 부등식을 사용하여 평균이 $\frac{1}{2}$ 에 가까운 부울 함수의 확률 질량을 제한함으로써 평균 오차의 하한을 확보한다.
• 부울 함수에 대한 두 가지 별개의 측정 기준을 분석한다: 함수 전체에 균일하게 분포한 $\mathbf{p}_1$ 과 그 산술 평균에 균일하게 분포한 $\mathbf{p}_2$ 로, 이는 서로 다른 오차 행동을 유도한다.
• $\mathbf{p}_1$ 하에서 $M$ 이 4의 배수일 경우에만 QS 알고리즘이 순서 $\min\{M^{-1}, N^{-1/2}\}$ 의 오차를 달성하며, 이는 진폭 추정 출력 분포의 구조를 활용한다.
• 파파예오지오우(2003)의 알려진 하한값과 비교하여, $M$ 이 4의 배수일 경우 $\mathbf{p}_1$ 하에서 평균 확률적 설정에서의 최적성을 확인한다.

실험 결과

연구 질문

• RQ1 악성 확률적 설정에서 QS 알고리즘의 오차 한계는 이전에 알려진 $\pi M^{-1} + \pi^2 M^{-2}$ 보다 향상될 수 있는가?
• RQ2 확률 $p \in (\frac{1}{2}, \frac{8}{\pi^2}]$ 에서 QS 알고리즘의 날카운 오차 한계는 무엇이며, 이는 $M$ 과 $N$ 에 어떻게 의존하는가?
• RQ3 QS 알고리즘은 평균 확률적 설정에서 최적 오차를 달성하는가? 그리고 $M$ 에 대한 어떤 조건에서 그러한 성능을 보이는가?
• RQ4 부울 함수에 대한 측정 기준 선택($\mathbf{p}_1$ 대비 $\mathbf{p}_2$) 이 QS 알고리즘의 평균 오차에 어떤 영향을 미치는가?
• RQ5 순서 $\min\{M^{-1}, N^{-1/2}\}$ 의 오차는 평균 확률적 설정에서 달성 가능하며, 이것이 최적인가?

주요 결과

• 악성 확률적 설정에서 QS 알고리즘의 오차 한계는 이전의 $\pi M^{-1} + \pi^2 M^{-2}$ 보다 개선되어 확률 $\frac{8}{\pi^2}$ 에서 최대 $\frac{3}{4}\pi M^{-1}$ 로 날카럽게 조정된다.
• 확률 $p \in (\frac{1}{2}, \frac{8}{\pi^2}]$ 에서 오차는 $\frac{(1 - v^{-1}(p))\pi}{M}$ 로 제한되며, 이 경계는 큰 $M$ 과 $N/M$ 에서 날카롭게 유지된다.
• 측정 기준 $\mathbf{p}_1$ 하에서 평균 확률적 설정에서 QS 알고리즘은 $M$ 이 4의 배수일 경우에만 순서 $\min\{M^{-1}, N^{-1/2}\}$ 의 오차를 달성한다.
• 만약 $M$ 이 4의 배수가 아닐 경우 오차는 $M^{-1}$ 비례하게 되어 $\mathbf{p}_1$ 하에서 $M \ll N^{1/2}$ 일 경우 알고리즘이 최적성이 떨어진다.
• 경계 $\min\{M^{-1}, N^{-1/2}\}$ 는 파파예오지오우(2003)에 의해 확인된 최적 경계이며, $M$ 이 4의 배수일 경우 QS 알고리즘이 이를 달성한다.
• 측정 기준 $\mathbf{p}_2$ 에서 평균 오차는 순서 $M^{-1}$ 이며, 이는 악성 케이스 성능과 동일하며 $N^{-1/2}$ 으로의 향상은 불가능하다.