[논문 리뷰] Finding Matches between Two Databases on a Quantum Computer

Mark Heiligman|ArXiv.org|2000. 06. 30.

Quantum Computing Algorithms and Architecture참고 문헌 7인용 수 9

한 줄 요약

이 논문은 크기가 N인 두 개의 정렬되지 않은 데이터베이스 사이의 유일한 공통 요소를 O(N^{3/4} log N) 시간에 O(N^{1/2}) 양자 메모리로 찾는 양자 알고리즘을 제시한다. 이 알고리즘은 그로버 검색과 블록 단위 정렬을 결합하며, 외부 그로버 검색을 통해 일치하는 블록을 찾고, 각 블록 내에서 내부 그로버 검색을 수행하여 공통 항목을 식별한다.

ABSTRACT

Given two unsorted lists each of length N that have a single common entry, a quantum computer can find that matching element with a work factor of $O(N^{3/4}\log N)$ (measured in quantum memory accesses and accesses to each list). The amount of quantum memory required is $O(N^{1/2})$. The quantum algorithm that accomplishes this consists of an inner Grover search combined with a partial sort all sitting inside of an outer Grover search.

연구 동기 및 목표

• 크기가 N인 두 개의 정렬되지 않은 데이터베이스 사이의 유일한 공통 요소를 효율적으로 찾는 양자 알고리즘을 개발하는 것.
• 양자 병렬성과 진폭 강화를 활용하여 고전적 O(N log N) 해법을 초월하는 것.
• 그로버 검색과 부분 정렬의 하이브리드 접근 방식을 통해 고전적 경계 이하의 시간 복잡도를 달성하는 것.
• 제안된 양자 서브루틴 구조의 자원 요구량과 오류 내성에 대한 분석을 수행하는 것.

제안 방법

• 알고리즘은 첫 번째 데이터베이스의 √N개의 블록(각 블록 크기 √N)에 대해 외부 그로버 검색을 수행하여 공통 요소를 포함한 블록을 식별한다.
• 각 후보 블록에 대해, 양자 서브루틴이 블록 내 요소가 두 번째 데이터베이스의 요소와 일치하는지 확인한다.
• 내부 검색은 블록을 양자적으로 정렬한 다음, 정렬된 블록을 기준으로 두 번째 데이터베이스를 향한 그로버 검색을 수행한다.
• 블록 소속 여부를 나타내는 함수는 중첩 상태에서 계산되어, 외부 그로버 반복이 정확한 블록의 진폭을 증폭시킬 수 있다.
• 내부 서브루틴 전체(정렬 및 검색 포함)는 각 평가 후에 일관성 있게 반전되어 양자 중첩을 유지한다.
• 알고리즘은 그로버의 진폭 강화를 활용하여 총 시간 복잡도를 O(N^{3/4} log N)로 달성하며, O(N^{1/2})의 양자 메모리를 사용한다.

실험 결과

연구 질문

• RQ1 고전적 방법보다 빠르게 두 개의 정렬되지 않은 데이터베이스 사이의 공통 요소를 찾을 수 있는 양자 알고리즘이 존재하는가?
• RQ2 양자 자원을 사용할 때 두 데이터베이스 매칭 문제에 대해 달성 가능한 최적의 시간 복잡도는 무엇인가?
• RQ3 그로버 알고리즘은 정렬 서브루틴과 어떻게 조합되어 고차원 검색 문제를 해결하는가?
• RQ4 양자 정렬과 함께 중첩된 그로버 검색을 사용할 경우 오류 전파 특성은 어떻게 되는가?
• RQ5 양자 병렬성을 활용하여 슈퍼포지션을 통해 동시에 여러 블록에 대해 일치 여부를 테스트할 수 있는가?

주요 결과

• 알고리즘은 O(N^{3/4} log N)의 시간 복잡도를 달성하여 고전적 O(N log N) 경계를 초월한다.
• 양자 메모리 요구량은 O(N^{1/2})이며, 이는 내부 그로버 서브루틴 동안 중첩 상태를 저장하는 데 사용된다.
• 외부 그로버 검색은 일치하는 블록을 O(N^{1/4})회의 반복 내에서 식별하며, 각 반복은 내부 서브루틴 평가를 포함한다.
• 내부 그로버 서브루틴의 실패 확률은 O(N^{-1})이며, O(N^{1/4})회의 호출 동안의 평균 실패 수는 O(N^{-3/4})로, 대규모 N에 대해 무시할 수 있다.
• 내부 서브루틴에서 개별적인 실패가 발생하더라도 외부 알고리즘은 여전히 매우 높은 확률로 정확한 일치 항목을 회복한다.
• 이 접근 방식은 표준 충돌 문제를 초월하여 중첩된 그로버와 정렬 원리의 조합을 통해 매칭 문제에 대해 양자 가속이 가능하다는 것을 보여준다.