[論文レビュー] NAND-Trees, Average Choice Complexity, and Effective Resistance

Stacey Jeffery, Shelby Kimmel|arXiv (Cornell University)|Nov 6, 2015

Quantum Computing Algorithms and Architecture参考文献 11被引用数 4

ひとこと要約

本稿では、2人対戦のnand木ゲームの難易度を測る指標として平均選択複雑度を導入し、平均選択複雑度が$W$未満のnand木の評価について、量子クエリ複雑度$O(W)$を確立する。さらに、nand木、$st$-接続性、スパンプログラムの間の関係を有効抵抗を通じて活用し、平均選択複雑度が$ olimits$であるランダムな相手に対して、$ olimits$クエリでゲームに勝つ量子戦略を構築する。

ABSTRACT

We show that the quantum query complexity of evaluating NAND-tree instances with average choice complexity at most $W$ is $O(W)$, where average choice complexity is a measure of the difficulty of winning the associated two-player game. This generalizes a superpolynomial speedup over classical query complexity due to Zhan et al. [Zhan et al., ITCS 2012, 249-265]. We further show that the player with a winning strategy for the two-player game associated with the NAND-tree can win the game with an expected $\widetilde{O}(N^{1/4}\sqrt{{\cal C}(x)})$ quantum queries against a random opponent, where ${\cal C }(x)$ is the average choice complexity of the instance. This gives an improvement over the query complexity of the naive strategy, which costs $\widetilde{O}(\sqrt{N})$ queries. The results rely on a connection between NAND-tree evaluation and $st$-connectivity problems on certain graphs, and span programs for $st$-connectivity problems. Our results follow from relating average choice complexity to the effective resistance of these graphs, which itself corresponds to the span program witness size.

研究の動機と目的

• nand木2人対戦ゲームの難易度をより洗練された指標としての平均選択複雑度を定義・形式化し、最悪ケースの故障複雑度を越えるものとする。
• 特定のグラフ上の$st$-接続性問題におけるスパンプログラムのワitnessサイズと平均選択複雑度のタイトな関係を確立する。
• ナーブな$ olimits$戦略よりも改善されたクエリ複雑度を達成する、ランダムな相手に対してnand木ゲームに勝つ量子アルゴリズムを開発する。
• Zhanらの故障複雑度に基づく超多項式量子高速化を、平均選択複雑度へ一般化し、平均選択複雑度が$W$である場合に$O(W)$のクエリ複雑度を示す。

提案手法

• 著者らは、nand木評価とその双対グラフ族上の$st$-接続性問題との対応関係を確立し、1-インスタンスが元のグラフの$st$-接続部分グラフに対応し、0-インスタンスが双対グラフの$st$-接続部分グラフに対応することを示す。
• 平均選択複雑度がスパンプログラムのワitnessサイズに正確に一致し、これは関連グラフの有効抵抗に等しいことを証明する。
• 量子アルゴリズムは、最近のスパンプログラムのワitnessサイズ推定アルゴリズムを用いて、子部分木の平均選択複雑度を推定する再帰的戦略に基づく。
• 木の深さに関する帰納法を用い、各段階での期待クエリ複雑度を抑え込むためにジェンセンの不等式を適用し、ノード間での平均選択複雑度の部分加法的成長を活用する。
• 各ノードで、推定平均選択複雑度が低い子部分木を選ぶ「Select」サブルーチンを採用し、期待クエリコストを最小化する。
• 成功確率の強化を適用し、有効抵抗と深さ依存クエリ境界から導かれる$ olimits$スケーリングを用いて、総合的なクエリ複雑度を上限で抑え込む。

実験結果

リサーチクエスチョン

• RQ1 平均選択複雑度はnand木評価の量子クエリ複雑度とどのように関係し、故障複雑度よりもタイトな境界を与える可能性があるか？
• RQ2 平均選択複雑度は、ランダムな相手に対してnand木ゲームに勝つ際の量子クエリコストとして、操作的に解釈可能か？
• RQ3 nand木評価、グラフ上の$st$-接続性、および関連グラフ構造の有効抵抗の間の正確な関係は何か？
• RQ4 $st$-接続性のスパンプログラムは、時間的・クエリ効率の良い量子アルゴリズムを設計するためのフレームワークとしてどのように利用可能か？
• RQ5 $st$-接続性問題における1-インスタンスと0-インスタンスの双対性は、現在の学習グラフフレームワークを超える対称的で時間効率の良い量子アルゴリズムのための拡張を可能にするか？

主な発見

• 平均選択複雑度が$W$未満のnand木の評価における量子クエリ複雑度は$O(W)$であり、故障複雑度に基づく先行の超多項式高速化を一般化する。
• ランダムな相手に対してnand木ゲームに勝つ量子戦略は、平均選択複雑度が$ olimits$である場合、期待クエリ複雑度$ olimits$を達成する。
• nand木インスタンスの平均選択複雑度は、対応するスパンプログラムのワitnessサイズに正確に等しく、これは関連グラフの有効抵抗に等しい。
• 再帰的「Select」アルゴリズムの期待クエリ複雑度は、帰納法とジェンセンの不等式を用いて$ olimits$で上限が抑えられ、平均選択複雑度の成長は部分加法的境界で制御される。
• $st$-接続性の定式化における1-インスタンスと0-インスタンスの双対性は、元のグラフの双対性に対応し、問題の対称性に関する構造的洞察を提供する。
• 結果から、$st$-接続性のスパンプログラムは、現在の学習グラフパラダイムを超える対称的かつ時間効率の良い量子アルゴリズム設計の自然なフレームワークを提供する可能性がある。