[論文レビュー] Quantum Speedups for Dynamic Programming on n-Dimensional Lattice Graphs

Adam Glos, Martins Kokainis+2 more|arXiv (Cornell University)|Jan 1, 2021

Quantum Computing Algorithms and Architecture参考文献 24被引用数 3

ひとこと要約

本稿では、n次元格子グラフ Q(D, n) における動的計画法（DP）に対して、古典的場合の eΘ((D+1)^n) から、量子的場合の eO(T_D^n) へとクエリ複雑度を低減する量子アルゴリズムを提示する。ここで T_D < D+1（例：T_1 ≈1.817）であり、これは、D=1 の場合のブールハイパーキューブにおける量子的高速化を一般化したものである。このアルゴリズムは、再帰的DPフレームワーク内でのグローバー探索を適応させるとともに、漸近的解析に鞍点法を用いる。この手法により、Set Multicover問題への応用が可能となり、古典的手法に比べて時間計算量が改善される。

ABSTRACT

Motivated by the quantum speedup for dynamic programming on the Boolean hypercube by Ambainis et al. (2019), we investigate which graphs admit a similar quantum advantage. In this paper, we examine a generalization of the Boolean hypercube graph, the $n$-dimensional lattice graph $Q(D,n)$ with vertices in $\{0,1,\ldots,D\}^n$. We study the complexity of the following problem: given a subgraph $G$ of $Q(D,n)$ via query access to the edges, determine whether there is a path from $0^n$ to $D^n$. While the classical query complexity is $\widetildeΘ((D+1)^n)$, we show a quantum algorithm with complexity $\widetilde O(T_D^n)$, where $T_D &lt; D+1$. The first few values of $T_D$ are $T_1 \approx 1.817$, $T_2 \approx 2.660$, $T_3 \approx 3.529$, $T_4 \approx 4.421$, $T_5 \approx 5.332$. We also prove that $T_D \geq \frac{D+1}{\mathrm e}$, thus for general $D$, this algorithm does not provide, for example, a speedup, polynomial in the size of the lattice. While the presented quantum algorithm is a natural generalization of the known quantum algorithm for $D=1$ by Ambainis et al., the analysis of complexity is rather complicated. For the precise analysis, we use the saddle-point method, which is a common tool in analytic combinatorics, but has not been widely used in this field. We then show an implementation of this algorithm with time complexity $ ext{poly}(n)^{\log n} T_D^n$, and apply it to the Set Multicover problem. In this problem, $m$ subsets of $[n]$ are given, and the task is to find the smallest number of these subsets that cover each element of $[n]$ at least $D$ times. While the time complexity of the best known classical algorithm is $O(m(D+1)^n)$, the time complexity of our quantum algorithm is $ ext{poly}(m,n)^{\log n} T_D^n$.

研究の動機と目的

• 古典的高速化がブールハイパーキューブ（D=1）で示された動的計画法における量子的高速化が、一般化されたn次元格子グラフ Q(D, n) に対しても成立するかを調査すること。
• Q(D, n) における 0^n から D^n への到達可能性問題を、古典的手法よりもクエリ複雑度を低減した量子アルゴリズムで解くこと。
• 解析的組合せ論の高度な技術、特に鞍点法を用いて、アルゴリズムの漸近的クエリ複雑度を分析すること。
• 一般の D に対して、潜在的な高速化の限界を特定するため、量子クエリ複雑度の下界を確立すること。
• 本アルゴリズムを実用的問題に応用し、Set Multicover問題に適用することで、古典的手法に比べて時間計算量が改善されることを示すこと。

提案手法

• アンバインスら（2019）の D=1 の量子動的計画法アルゴリズムを、任意の D ≥1 に対して n次元格子グラフ Q(D, n) に一般化する。
• 頂点の状態空間 {0,1,…,D}^n 上での再帰的グローバー探索を用いて、DPプロセスを加速し、遷移グラフへのクエリを実行する。
• 解析的組合せ論の鞍点法を適用し、クエリ複雑度解析に生じる組合せ的表現の漸近的成長を正確に推定する。
• QRAMモデルでアルゴリズムを実装し、時間計算量を poly(n)log n T_D^n に抑え、ここで T_D < D+1 である。
• 遷移グラフへのクエリへの効率的なアクセスとアームピュテーションを用いて、各段階におけるグローバー反復回数を削減する。
• Set Multicover問題への応用において、部分集合を遷移とみなして Q(D, n) 上のパス探索問題としてモデル化する。

実験結果

リサーチクエスチョン

• RQ1 ブールハイパーキューブを越えて、どのようなグラフクラスにおいて、量子アルゴリズムが動的計画法で高速化を達成できるか。
• RQ2 n次元格子グラフ Q(D, n) における到達可能性問題を解く量子アルゴリズムの正確なクエリ複雑度は何か。
• RQ3 複雑度が eO(T_D^n) の形にスケーリングする定数 T_D < D+1 として、量子的高速化を定量化できるか。
• RQ4 この問題に対する量子クエリ複雑度の根本的下界は何か。また、大規模な D に対して多項式的高速化が不可能であることを示唆するか。
• RQ5 この量子アルゴリズムは、Set Multicover といった実用的問題に効果的に応用可能か。その場合の時間計算量の改善は何か。

主な発見

• 量子アルゴリズムは、T_D < D+1 である eO(T_D^n) のクエリ複雑度を達成し、古典的場合の eΘ((D+1)^n) に対して非自明な高速化を実現する。
• 小規模な D に対しては、T_D の値は T_1 ≈1.817、T_2 ≈2.659、T_3 ≈3.528、T_4 ≈4.421、T_5 ≈5.331 であり、D が増加するにつれて相対的高速化が低下する。
• 量子クエリ複雑度に対して eΩ(( (D+1)/e )^n) の下界が証明され、大規模な D に対しては多項式的高速化が不可能であることが示される。
• 時間計算量が poly(n)log n T_D^n であるため、中程度の D や小規模な n に対しては効率的である。
• Set Multicover問題への応用において、古典的場合の O(m(D+1)^n) から、量子的場合の poly(m,n)log n T_D^n へと時間計算量が改善される。
• 鞍点法の使用により、複雑度解析における組合せ的表現の精密な漸近的解析が可能となり、これは量子アルゴリズム解析において広く用いられていない手法である。