[论文解读] Another subexponential-time quantum algorithm for the dihedral hidden subgroup problem

Greg Kuperberg|arXiv (Cornell University)|Dec 14, 2011

Quantum Computing Algorithms and Architecture参考文献 4被引用 29

一句话总结

本文提出了一种新的量子算法来解决二面体隐子群问题（DHSP），其时间复杂度为次指数级 $\exp(O(\sqrt{\log N}))$，且仅需 $O(\log N)$ 量子空间，相比先前方法显著降低了资源需求。受 Regev 算法的启发，该算法采用树状结构的“对准筛”机制，通过部分测量迭代地优化相位向量，从而高效提取隐藏移位的奇偶性，并支持经典与量子资源之间的权衡。

ABSTRACT

We give an algorithm for the hidden subgroup problem for the dihedral group $D_N$, or equivalently the cyclic hidden shift problem, that supersedes our first algorithm and is suggested by Regev's algorithm. It runs in $\exp(O(\sqrt{\log N}))$ quantum time and uses $\exp(O(\sqrt{\log N}))$ classical space, but only $O(\log N)$ quantum space. The algorithm also runs faster with quantumly addressable classical space than with fully classical space. In the hidden shift form, which is more natural for this algorithm regardless, it can also make use of multiple hidden shifts. It can also be extended with two parameters that trade classical space and classical time for quantum time. At the extreme space-saving end, the algorithm becomes Regev's algorithm. At the other end, if the algorithm is allowed classical memory with quantum random access, then many trade-offs between classical and quantum time are possible.

研究动机与目标

• 开发一种更节省空间的量子算法来解决二面体隐子群问题（DHSP），该问题等价于阿贝尔隐移问题。
• 在保持次指数时间复杂度的前提下，通过减少量子空间需求，改进首个针对 DHSP 的次指数时间量子算法。
• 通过支持经典空间、经典时间和量子时间之间的权衡，推广并扩展 Regev 的算法。
• 支持多个隐藏移位，并允许使用量子可寻址经典内存（QRACM）以优化性能。
• 探索非表示理论方法来解决隐子群问题，突破传统群表示方法的限制。

提出的方法

• 该算法使用树状结构的“对准筛”，通过一系列部分测量阶段处理相位向量，将高维的量子系统（qudit）逐步坍缩为 qubit。
• 相位向量由携带隐藏移位相位乘数的 qubit 构成，并通过相加其相位乘数表进行组合。
• 在每个阶段，对相位乘数和的低阶位执行部分测量，随后进行剪枝测量以降低维度。
• 筛子以深度优先方式遍历树结构，通过在各阶段复用量子比特寄存器来最小化量子空间使用。
• 该算法利用 Regev 的关键思想——使用量子可寻址经典内存（QRACM），以实现经典与量子时间之间的权衡。
• 它采用启发式概率分析，确保每个测量步骤后相位向量长度仍足够长，从而保证每个阶段具有非可忽略的成功概率。

实验结果

研究问题

• RQ1 能否将解决二面体隐子群问题的量子空间需求降低至 $O(\log N)$，同时保持次指数时间复杂度？
• RQ2 如何推广 Regev 的算法，以实现经典空间、经典时间和量子时间之间的可调节权衡？
• RQ3 该算法能否扩展以处理多个隐藏移位，而不仅仅是单个隐藏移位（如先前的次指数算法所限）？
• RQ4 使用量子可寻址经典内存（QRACM）对整体时间复杂度和资源效率有何影响？
• RQ5 在非阿贝尔群（如 $D_N$）的隐子群问题中，非表示理论方法在多大程度上可以被应用，其有效性如何？

主要发现

• 该算法的时间复杂度为 $\widetilde{O}(2^{\sqrt{2\log_2 N}})$，在对经典内存成本的合理假设下，比 Regev 的算法快超多项式级。
• 它仅使用 $O(\log N)$ 量子空间，相比先前算法所需的 $\exp(O(\sqrt{\log N}))$ 量子空间有显著改进。
• 在最终阶段，基于启发式相位分布假设，该算法测量隐藏移位 $s$ 的奇偶性成功概率至少为 $1/2$。
• 当经典内存支持量子访问（即 QRACM）时，该算法可在经典时间与量子时间之间实现多种权衡，性能范围从 Regev 的原始算法到空间优化变体。
• 该算法可利用多个隐藏移位，而这是先前的次指数算法所不具备的能力，从而增强了其在特定实例中的适用性。
• 由于部分测量过程中桶大小的概率保证，该方法对相位乘数分布具有鲁棒性，确保了各阶段性能的稳定性。