[論文レビュー] Span-program-based quantum algorithm for the rank problem

Aleksandrs Belovs|arXiv (Cornell University)|Mar 4, 2011

Quantum Computing Algorithms and Architecture参考文献 12被引用数 13

ひとこと要約

この論文は、行列のランク問題に対するスパンプログラムに基づく量子アルゴリズムを提示する。高レベルのスパンプログラムを用いて、$ n \times m $ 行列がランク $ r $ 以上であるかどうかを決定する。量子クエリ複雑性は $ O(\sqrt{r(n-r+1)}LT) $ であり、$ L $ は逆特異値の上限を表し、$ T $ は行列のロードコストを表す。スパンプログラムの合成とウィtnessサイズ解析を用いることで、線形代数問題に対する包括的な新しい手法を提供する。

ABSTRACT

Recently, span programs have been shown to be equivalent to quantum query algorithms. It is an open problem whether this equivalence can be utilized in order to come up with new quantum algorithms. We address this problem by providing span programs for some linear algebra problems. We develop a notion of a high level span program, that abstracts from loading input vectors into a span program. Then we give a high level span program for the rank problem. The last section of the paper deals with reducing a high level span program to an ordinary span program that can be solved using known quantum query algorithms.

研究の動機と目的

• スパンプログラムの適用範囲を論理式評価を超えて線形代数問題、特に行列ランク問題へ拡張すること。
• 入力のロードと論理的計算を分離する高レベルのスパンプログラム抽象化を構築し、量子アルゴリズムのモジュラー設計を可能にすること。
• 既知の量子クエリ技術を用いて高レベルスパンプログラムを標準スパンプログラムに還元し、アルゴリズムの実現可能性を保証すること。
• ウィtnessサイズの双対性と半正定値計画法を用いて、ランクおよび行列式問題のクエリ複雑性の上限を確立すること。
• 特定の行列分布下で、スパンプログラムが標準の量子手法よりも漸近的に高速なアルゴリズムを提供できることを示すこと。

提案手法

• 入力ロードを抽象化する高レベルスパンプログラムモデルを導入し、線形代数問題におけるモジュラー設計を可能にする。
• スパンプログラムのウィtnessサイズを定義し、一般化された敵対的境界との双対性を用いてクエリ複雑性の同等性を確立する。
• 部分空間へのベクトルの包含をテストするサブルーチンと、特異値の逆数を用いたフルランク検出を組み合わせることで、ランク問題の高レベルスパンプログラムを構築する。
• 合成則を用いて高レベルスパンプログラムを標準スパンプログラムに還元し、既知の量子クエリアルゴリズムによる実装を可能にする。
• 幾何平均を用いた正負のウィtnessノルムの組み合わせを用いて、合成プログラムのウィtnessサイズを解析し、マルチプレクサおよび分解コストを考慮する。
• 既知の量子クエリ下界（例：グローバーとドイチュ＝ジョーズァ）を用いて、ローディングサブルーチンの複雑性が最適であることを証明し、$ \Omega(\sqrt{n}) $ および $ \Omega(\sqrt{m}) $ 要素を含む。

実験結果

リサーチクエスチョン

• RQ1 スパンプログラムを、論理式評価を超えて線形代数問題に体系的かつ効果的に応用できるか？
• RQ2 特異値に制約がある場合に、行列がランク $ r $ 以上であるかどうかを決定するための最適な量子クエリ複雑性は何か？
• RQ3 クエリ効率を保ちつつ、高レベルスパンプログラムを標準スパンプログラムに還元する方法は何か？
• RQ4 入力ベクトルのノルムが有界であっても、行列ローディングサブルーチンに $ O(\sqrt{n}) $ 要素が必要であるか？
• RQ5 一般的な行列分布下で、スパンプログラムベースのアルゴリズムは、行列式問題において位相推定やアモニチュード増幅を上回る性能を示せるか？

主な発見

• ランク問題は $ O(\sqrt{r(n-r+1)}LT) $ の量子クエリで解ける。ここで $ L $ は行列の $ r $ 個の最大特異値の逆数の二乗平均の上限を表す。
• 行列式問題（$ r = n $）ではクエリ複雑性が $ O(\sqrt{n}c(A)T) $ に簡略化され、$ c(A) = \|A^{-1}\|_E / \sqrt{n} $ である。これは、スペクトルが広がった行列に対して位相推定よりもタイトな境界を与える。
• 妥当な行列分布下で、位相推定やアモニチュード増幅と比較することで、標準の量子手法よりも漸近的に高速化が達成されることを示した。
• 入力ベクトルのノルムが $ O(1) $ であっても、一意の探索問題への還元により、行列ローディングサブルーチンの $ O(\sqrt{n}) $ 要素が最適であることが証明された。
• 合成スパンプログラムのウィtnessサイズは $ O(\ell(k + \ell)\|w'\|^2 \log(m+n)) $ のスケーリングを示し、構成のスケーラビリティを確認した。ここで $ \ell $ と $ k $ は分解のパラメータである。
• クエリ複雑性の下界により、ローディングサブルーチンにおける $ O(\sqrt{m}) $ および $ \Omega(\sqrt{m}) $ 要素が、ノルム制約下でもタイトであることが確認された。