[论文解读] A Subexponential Time Algorithm for the Dihedral Hidden Subgroup Problem with Polynomial Space

Oded Regev|ArXiv.org|Jun 21, 2004

Complexity and Algorithms in Graphs参考文献 10被引用 76

一句话总结

本文提出了一种针对二面体隐子群问题（DHSP）的次指数时间量子算法，仅使用多项式空间，解决了库珀伯格原始次指数算法中需要超多项式空间这一关键限制。该算法结合了库珀伯格的基于碰撞的方法与雷盖布的技术，实现运行时间为 $2^{O(\tilde{\rho}(\text{log}\,\text{log}\,N))}$，空间复杂度为 $\text{poly}(\log N)$，在保持近似最优运行时间的同时显著提升了空间效率。

ABSTRACT

In a recent paper, Kuperberg described the first subexponential time algorithm for solving the dihedral hidden subgroup problem. The space requirement of his algorithm is super-polynomial. We describe a modified algorithm whose running time is still subexponential and whose space requirement is only polynomial.

研究动机与目标

• 开发一种针对二面体隐子群问题（DHSP）的量子算法，使其运行时间为次指数时间且仅使用多项式空间，以解决先前方法中的主要限制。
• 通过引入一种避免存储大量纠缠态的新方法，解决库珀伯格原始次指数算法中空间效率低下的问题，该算法需要 $2^{O(\tilde{\rho}(\text{log}\,\text{log}\,N))}$ 的空间。
• 在将空间复杂度从指数级降低至多项式级的同时，保持次指数运行时间，使该算法更适用于潜在的物理实现。
• 证明库珀伯格的基于碰撞的策略与雷盖布的代数框架相结合，能够为DHSP提供一种空间高效的解决方案。
• 提供一种可构造的DHSP量子算法，可能为通过量子计算解决经典难题（如格问题）开辟新途径。

提出的方法

• 该算法使用 $k$ 个流水线化的子程序，每个子程序旨在将量子对象标签的 $l$ 个最低有效位清零，其中 $l = \sqrt{\log N}$ 且 $k = \sqrt{\log N}$。
• 每个子程序接收 $l+4$ 个输入对象，其标签的前 $il$ 个最低有效位已清零，并通过组合操作生成一个输出对象，其标签的前 $i(l+1)$ 个最低有效位被清零。
• 组合操作包括制备 $l+4$ 个量子比特的叠加态，测量一个经典寄存器以投影到模 $2^l$ 下内积匹配的态上，随后执行投影测量，使系统坍缩为具有对应新标签相位差的双态叠加。
• 由于随机线性形式下原像数量的集中性，组合操作的成功概率被保证为常数，该性质通过切比雪夫不等式进行分析。
• 该算法通过批量处理输入，避免了维护大量对象的堆栈，从而消除了对大规模量子内存的需求，实现了多项式空间使用。
• 总运行时间为 $2^{O(\sqrt{\log N \cdot \log \log N})}$，由每次组合操作的 $2^{O(l)}$ 时间和总共 $2^{O(k)}$ 次组合推导得出，其中 $l = \sqrt{\log N}$ 且 $k = \sqrt{\log N}$。

实验结果

研究问题

• RQ1 是否能够以次指数时间解决二面体隐子群问题，且仅使用多项式空间，从而克服库珀伯格算法中对超多项式空间的需求？
• RQ2 是否可能在将空间复杂度从指数级降低至输入规模的多项式级的同时，保持次指数运行时间？
• RQ3 库珀伯格的基于碰撞的方法与雷盖布的代数框架相结合，能否产生一种针对DHSP的空间高效量子算法？
• RQ4 求解DHSP且运行时间为次指数的量子算法，其最小空间需求是多少？
• RQ5 使用经典后处理与对小型量子寄存器的投影测量，是否能够实现可扩展且空间高效的DHSP解决方案？

主要发现

• 该算法实现了 $2^{O(\sqrt{\log N \cdot \log \log N})}$ 的运行时间，为次指数时间，仅比库珀伯格的 $2^{O(\sqrt{\log N})}$ 算法稍慢。
• 空间复杂度降低至 $\text{poly}(\log N)$，即关于输入规模的多项式，与库珀伯格算法所需的超多项式空间形成鲜明对比。
• 每次组合操作的成功概率为常数，且当使用 $2^{O(\sqrt{\log N \cdot \log \log N})}$ 个输入时，由于切比雪夫不等式，整个流水线的总体成功概率很高。
• 该算法采用经典后处理策略识别匹配标签，并投影至双态叠加，从而实现对具有 $l$ 个额外清零位的新对象的提取。
• 该方法依赖于模 $2^l$ 下线性方程解数的集中性，确保匹配原像的数量通常落在 $\{2, 3, \dots, 32\}$ 范围内，且概率为常数。
• 结果表明，二面体HSP可在次指数时间与多项式空间内求解，为解决格问题和图同构问题的量子算法提供了重要进展。