[论文解读] A nearly optimal discrete query quantum algorithm for evaluating NAND formulas

Andris Ambainis|arXiv (Cornell University)|Apr 26, 2007

Quantum Computing Algorithms and Architecture参考文献 17被引用 27

一句话总结

本文提出了一种近乎最优的离散查询量子算法，用于求值NAND公式，对平衡的二叉NAND公式实现O(√N)次查询，对任意公式实现O(N^{1/2 + O(1/√log N)})次查询。该算法借鉴Grover搜索的双反射框架，直接在离散查询模型中运行，无需经历连续时间演化转换的开销，为量子NAND树求值提供了新视角，并在查询复杂度上优于以往工作。

ABSTRACT

We present an O(\sqrt{N}) discrete query quantum algorithm for evaluating balanced binary NAND formulas and an O(N^{{1/2}+O(\frac{1}{\sqrt{\log N}})}) discrete query quantum algorithm for evaluating arbitrary binary NAND formulas.

研究动机与目标

• 开发一种用于求值NAND公式的离散查询量子算法，使其查询复杂度达到或接近已知连续时间方法的最优水平。
• 消除将连续时间量子算法转换为离散时间模型所带来的开销，此前该开销会降低查询复杂度。
• 通过将NAND树求值与Grover算法所基于的双反射原理联系起来，为量子NAND树求值提供一种新的理论框架。
• 在离散查询模型中，为平衡和一般二叉NAND公式实现更优的查询复杂度界。
• 为任意NAND公式建立更紧的查询复杂度上界，尤其关注深度d和输入大小N的依赖关系。

提出的方法

• 该算法直接构建于离散量子查询模型中，避免了从连续时间哈密顿模型转换的需要。
• 采用双反射框架，每次迭代在二维子空间中执行两次反射，类似于Grover算法。
• 反射的构造基于NAND公式的树状结构，其中一个反射作用于输入变量，另一个作用于公式的逻辑结构。
• 通过递归分解NAND树，利用与深度相关的参数追踪幅度演化，通过递归子问题进行分析。
• 利用参数如m_v（子树v中的叶节点数）、d_v（深度）和H_vz（幅度转移系数）推导关键不等式与界，确保误差增长受控。
• 证明依赖于幅度损失的归纳界，对节点的两个子节点均为0、均为1或混合的情况分别处理，使用针对每种子情况的定制不等式。

实验结果

研究问题

• RQ1 是否可以设计一种离散查询量子算法，在不依赖连续时间哈密顿模型的前提下，实现NAND公式求值的最优或近似最优查询复杂度？
• RQ2 Grover算法中的双反射原理如何推广到具有任意深度和结构的NAND树求值？
• RQ3 在离散查询模型中，对任意二叉NAND公式求值，可实现的最紧查询复杂度是什么？
• RQ4 为何一般情况需要O(√(Nd))次查询而非O(√N)？公式的哪些结构特征导致了这一增长？
• RQ5 是否可以消除将连续时间量子算法转换为离散时间模型所带来的开销，同时保持查询效率？

主要发现

• 本文提出了一种O(√N)的离散查询量子算法，用于求值平衡二叉NAND公式，其复杂度在常数因子范围内为最优。
• 对于深度为d的任意二叉NAND公式，该算法实现了O(√(Nd))的查询复杂度，优于以往的离散时间结果。
• 对任意公式，进一步获得了O(N^{1/2 + O(1/√log N)})的更精细界，该界为次二次且近乎最优。
• 该算法避免了从连续时间到离散时间转换带来的O(1/ε)开销，与基于Farhi等人和Childs等人方法的先前工作不同。
• 分析表明，深度相关因子的出现源于节点子节点值混合（0和1）的情况，此时需要更深层次的幅度追踪。
• 双反射框架被证明是NAND树求值的统一原理，其反射的结构设计基于子树大小和深度。