[论文解读] Problem Complexity Research from Energy Perspective

Feng Pan, Heng-Liang Zhang+1 more|arXiv (Cornell University)|Sep 16, 2013

Computability, Logic, AI Algorithms参考文献 10被引用 3

一句话总结

本文通过将兰道尔原理应用于经典问题——排序、有序搜索和寻找N个无序数中的最大值——从热力学角度重新定义计算复杂性，基于熵变推导出最小能量需求。它利用能量约束建立时间复杂度的严格下界，指出可逆计算在热力学上不可能实现，并提出一个猜想：超线性能量容量可能与量子优势相关，或可为P vs. NP问题提供启示。

ABSTRACT

Computational complexity is a particularly important objective. The idea of Landauer principle was extended through mapping three classic problems (sorting,ordered searching and max of N unordered numbers) into Maxwell demon thought experiment in this paper. The problems'complexity is defined on the entropy basis and the minimum energy required to solve them are rigorous deduced from the perspective of energy (entropy) and the second law of thermodynamics. Then the theoretical energy consumed by real program and basic operators of classical computer are both analyzed, the time complexity lower bounds of three problems'all possible algorithms are derived in this way. The lower bound is also deduced for the two n*n matrix multiplication problem. In the end, the reason why reversible computation is impossible and the possibility of super-linear energy consumption capacity which may be the power behind quantum computation are discussed, a conjecture is proposed which may prove NP!=P. The study will bring fresh and profound understanding of computation complexity.

研究动机与目标

• 通过热力学原理，特别是兰道尔原理，重新框架计算复杂性，推导解决基本问题的最小能量需求。
• 分析经典程序和基本逻辑操作的理论能耗，将其与时间复杂度下界关联。
• 通过将问题建模为麦克斯韦妖思想实验，研究计算的物理极限，从而连接信息论与热力学。
• 探讨能量约束对可逆计算的影响，以及超线性能量容量在实现量子计算优势中的潜在作用。
• 提出一个基于能量的复杂性猜想，可能有助于解决P vs. NP问题。

提出的方法

• 将三个经典计算问题——排序、有序搜索和寻找N个无序数中的最大值——映射到麦克斯韦妖思想实验框架中。
• 应用兰道尔原理，根据熵减少计算计算过程中擦除信息所需的最小热力学功（能量）。
• 通过将解决问题所需的最小能量与经典计算硬件的物理极限相等，推导时间复杂度下界。
• 分析实际程序的能耗和基本逻辑门操作（如与、或、非）的能耗，估算每次操作的最小能量。
• 将分析扩展至矩阵乘法，为标准算法和类似斯特assen的算法推导基于能量的下界。
• 利用热力学第二定律论证不可逆计算在本质上是必需的，因此可逆计算在物理上不可实现。

实验结果

研究问题

• RQ1 基于熵变和兰道尔原理，解决排序问题所需的最小能量是多少？
• RQ2 如何从热力学能量约束推导出经典算法的时间复杂度下界？
• RQ3 根据热力学第二定律和兰道尔原理，为何可逆计算在物理上不可能实现？
• RQ4 超线性能量消耗能力是否可解释量子计算的潜在优势？
• RQ5 基于能量的复杂性框架是否为证明P ≠ NP提供可能路径？

主要发现

• 基于比较排序过程中的熵减少，推导出解决排序问题的最小能量与N log N成正比。
• 有序搜索的时间复杂度下界被证明为Ω(log N)，与二分查找一致，且源于区分N个状态所需的最小能量。
• 寻找N个无序数中最大值的最小能量被证明与N kT ln 2成正比，反映了从N个元素中识别一个元素的熵成本。
• 研究表明，由于基本热力学约束，经典算法无法实现低于所推导的能量下界的时间复杂度。
• 本文结论指出，可逆计算在物理上不可能实现，因为它将违反热力学第二定律，要求熵产生为零。
• 提出一个猜想：超线性能量消耗能力可能构成量子计算优势的物理基础，为解决P vs. NP问题提供潜在物理解释。