[論文レビュー] Fixed Phase Quantum Search Algorithm

Ahmed Younes|ArXiv.org|Apr 12, 2007

Quantum Computing Algorithms and Architecture参考文献 13被引用数 8

ひとこと要約

本稿では、未構造化探索空間における一致数 M が既知または未知の両方の状況で、O(√(N/M)) の計算量を維持しながら、99.58%以上の成功確率を達成する固定位相量子探索アルゴリズムを提案する。位相シフトは 1.91684π に設定され、アダミット増幅を用いた固定位相回転を適用することで、M ∈ [1, N] のすべての状況で信頼性高く解を発見可能であり、ハードウェア実装においても優れた耐障害性と実用性を示す。

ABSTRACT

Building quantum devices using fixed operators is a must to simplify the hardware construction. Quantum search engine is not an exception. In this paper, a fixed phase quantum search algorithm that searches for M matches in an unstructured search space of size N will be presented. Selecting phase shifts of 1.91684πin the standard amplitude amplification will make the technique perform better so as to get probability of success at least 99.58% in O(sqrt(N/M)) better than any know fixed operator quantum search algorithms. The algorithm will be able to handle either a single match or multiple matches in the search space. The algorithm will find a match in O(sqrt(N/M)) whether the number of matches is known or not in advance.

研究の動機と目的

• ハードウェア実装を簡素化するため、固定演算子を用いた実用的な量子探索アルゴリズムの開発。
• 未構造化探索空間におけるすべての一致数 M に対して、高い成功確率（≥99.58%）を保証すること。
• M が事前に既知か未知かにかかわらず、O(√(N/M)) の実行時間の複雑性を維持すること。
• 実世界への導入において、既存の固定演算子型量子探索アルゴリズムを上回る信頼性と耐障害性を実現すること。
• 再設定を必要とせず、単一の統合アルゴリズムとして単一および複数の一致を処理できること。

提案手法

• アルゴリズムは、拡散とオракルの両反射に固定位相シフト 1.91684π を用いたアダミット増幅を採用する。
• 初期状態として一様な重ね合わせ状態をウォルシュ＝ハダマード変換により生成し、その後固定位相演算子を繰り返し適用する。
• M ∈ [1, N] 全体にわたる最小成功確率を最大化するように、位相シフトの選定を最適化する。
• 反復回数を、成長率 λ = 8/7 を持つ対数的探索戦略で動的に調整し、速度と信頼性のバランスを図る。
• 成功確率の分析には、sin²((q+1)δ) および sin²(qδ) を含む三角関数の和を用い、δ は位相シフトと初期状態の角度から導出される。
• M が未知の場合でも、m_q ≥ 1/sin(δ) を満たすように下限を設定することで、期待反復回数が O(√(N/M)) のまま維持される。

実験結果

リサーチクエスチョン

• RQ1 固定位相量子探索アルゴリズムは、M ∈ [1, N] のすべての値で近似的に確実な成功確率（≥99.58%）を達成できるか？
• RQ2 M が未知である場合に、固定位相回転をどのように選択すれば O(√(N/M)) の計算量を維持できるか？
• RQ3 未構造化探索におけるアダミット増幅において、最小成功確率を最大化する最適な位相シフトは何か？
• RQ4 単一の固定演算子型アルゴリズムは、ハイブリッド型または適応型アルゴリズムを、M が既知・未知の両方の状況で上回れるか？
• RQ5 M の全範囲にわたる期待反復回数のスケーリングはどのようになるか、特に M > N/2 の場合に注目する。

主な発見

• 最適な位相シフト 1.91684π により、M ∈ [1, N] のすべての値で最小 99.58% の成功確率が保証される。
• M が事前に既知か未知かにかかわらず、O(√(N/M)) の実行時間の複雑性が維持される。
• 期待反復回数は 7m_q で有界であり、m_q = O(√(N/M)) であるため、漸近的に最適である。
• M > N/2 の場合に古典的直観が崩れる状況でも、グローバーの元来アルゴリズムや既存の固定演算子型手法を上回る耐障害性を示す。
• M が未知の状況では、ヨウネスら [22] よりも高い信頼性を達成するが、両者とも O(√(N/M)) のスケーリングを示す。
• 解析により、m ≥ 1/sin(δ) のとき成功確率が 25% 以上を維持し、M/N が小さい場合に 25% に収束することが確認され、安定した性能が保証される。