[논문 리뷰] Towards Exponential Quantum Improvements in Solving Cardinality-Constrained Binary Optimization

Haomu Yuan, Hanqing Wu외 3명|arXiv (Cornell University)|2026. 03. 16.

Quantum Computing Algorithms and Architecture인용 수 0

한 줄 요약

이 논문은 Grover 기반의 양자 알고리즘을 고정 카디널리티 이진 최적화에 대해 제시하고, 특정 영역에서 기하급수적 속도 향상을 달성하며, 위험 균형 모델을 해결하기 위한 해상도 보장 있는 하이브리드 양자-클래식 ADMM 프레임워크를 제시한다.

ABSTRACT

Cardinality-constrained binary optimization is a fundamental computational primitive with broad applications in machine learning, finance, and scientific computing. In this work, we introduce a Grover-based quantum algorithm that exploits the structure of the fixed-cardinality feasible subspace under a natural promise on solution existence. For quadratic objectives, our approach achieves ${O}\left(\sqrt{\frac{\binom{n}{k}}{M}} ight)$ Grover rotations for any fixed cardinality $k$ and degeneracy of the optima $M$, yielding an exponential reduction in the number of Grover iterations compared with unstructured search over $\{0,1\}^n$. Building on this result, we develop a hybrid classical--quantum framework based on the alternating direction method of multipliers (ADMM) algorithm. The proposed framework is guaranteed to output an $ε$-approximate solution with a consistency tolerance $ε+ δ$ using at most $ {O}\left(\sqrt{\binom{n}{k}}\frac{n^{6}k^{3/2} }{ \sqrt{M}ε^2 δ} ight)$ queries to a quadratic oracle, together with ${O}\left(\frac{n^{6}k^{3/2}}{ε^2δ} ight)$ classical overhead. Overall, our method suggests a practical use of quantum resources and demonstrates an exponential improvements over existing Grover-based approaches in certain parameter regimes, thereby paving the way toward quantum advantage in constrained binary optimization.

연구 동기 및 목표

• 카디널리티 제약 이진 최적화(BPP-FC)를 광범위한 응용을 가진 기본 프리미티브로 동기 부여하고 형식화한다.
• 검색을 고정 카디널리티 부분 공간으로 한정하는 Grover 기반 알고리즘을 개발하여 속도 향상을 달성한다.
• 4차 목표(위험 균형)에 대한 하이브리드 고전-양자 ADMM 프레임워크로 확장하여 양자 자원 요구를 줄인다.

제안 방법

• 정확히 k개의 1을 가진 모든 비트스트링에 대해 Dicke 상태를 준비하는 하드-제약 확산 연산자를 도입한다.
• 오라클 기반 반복으로 고정 카디널리티 QUBO를 최소화하기 위해 Grover adaptive search(GAS)를 사용한다.
• 제곱/고차 목표를 위상 오라클로 인코딩하고 제어 회전을 갖는 양자 사전(Quantum Dictionary) 오라클 설계를 제공한다.
• 고정 카디널리티 k에 대해 필요한 Grover 반복은 O(sqrt(binomial(n, k)/M))로 스케일링되며, 여기서 M은 최적 해의 다중도(degeneracy).
• ADMM-GAS-hard인 ADMM 기반 하이브리드 프레임워크를 개발하여 4차 위험 균형 문제를 GAS로 해결 가능한 2차 부분문제로 변환하고 수렴 보장을 제공한다.
• 제안된 오라클 및 확산 연산자에 대한 자원 및 게이트 수 분석을 제공한다.

실험 결과

연구 질문

• RQ1 가능한 해 집합이 {0,1}^n의 고정 카디널리티 부분집합일 때 Grover 기반 접근법이 비구조적 탐색보다 우수한가?
• RQ2 하드 제약을 가진 GAS를 사용하여 BQP-FC를 풀 때 양자 쿼리 복잡도 및 회로 요구 사항은 무엇인가?
• RQ3 위험 균형(4차) 최적화를 양자 해석 가능한 프레임워크에 prohibitive 자원 비용 없이 어떻게 통합할 수 있는가?
• RQ4 제한된 이진 최적화에서 GAS와 ADMM을 결합할 때의 수렴 보장과 자원 오버헤드는 무엇인가?

주요 결과

• 고정 카디널리티 k에 대해 GAS 기반 솔버는 O(sqrt(binomial(n,k)/M)) Grover 회전을 달성하여 특정 영역에서 비구조적 탐색에 비해 기하급수적 감소를 달성한다.
• Dicke 상태 준비를 기반으로 한 확산 연산자는 Grover 확산을 고정 카디널리티 부분공간으로 제한하여 하드 제약 탐색을 가능하게 한다(정리 1).
• ADMM 기반 하이브리드 프레임워크(ADMM-GAS-hard)는 GAS로 해결 가능한 2차 부분문제로 분해하여 위험 균형 모델을 해결하며, 명시된 가정 하에서 수렴 경로를 보장한다.
• 논문은 명시적 자원 추정치를 제공하며, 2차 오라클 쿼리가 O(sqrt(binomial(n,k)) n^6 k^{3/2} /(sqrt(M) epsilon^2 delta))로 스케일링되고 추가적으로 O(n^6 k^{3/2}/(epsilon^2 delta))의 고전적 오버헤드가 따른다.
• 확산 및 오라클 구성은 깊이/게이트 수 특성을 가지며, U_k^n 깊이는 O(n)이고 모든-대-모든 연결 하드웨어에서 O(k log(n/k))로 병렬화 가능하다.
• ADMM 접근은 양자 자원의 실용적 사용을 가능하게 하고 문제 재구성 및 분해를 통해 더 높은 차수 다항식에 GAS 이점을 확장한다.