[论文解读] Finding Matches between Two Databases on a Quantum Computer

Mark Heiligman|ArXiv.org|Jun 30, 2000

Quantum Computing Algorithms and Architecture参考文献 7被引用 9

一句话总结

该论文提出了一种量子算法，可在使用 O(N^{1/2}) 量子内存的情况下，以 O(N^{3/4} log N) 的时间复杂度，从两个大小为 N 的无序数据库中找到唯一的共同元素。该算法结合了 Grover 搜索与分块排序，通过外层 Grover 搜索定位包含匹配元素的块，再通过内层 Grover 搜索在每个块内识别出共享条目。

ABSTRACT

Given two unsorted lists each of length N that have a single common entry, a quantum computer can find that matching element with a work factor of $O(N^{3/4}\log N)$ (measured in quantum memory accesses and accesses to each list). The amount of quantum memory required is $O(N^{1/2})$. The quantum algorithm that accomplishes this consists of an inner Grover search combined with a partial sort all sitting inside of an outer Grover search.

研究动机与目标

• 开发一种高效的量子算法，用于在两个大小为 N 的无序数据库之间找到唯一的共同元素。
• 通过利用量子并行性与振幅放大，改进经典方法的 O(N log N) 复杂度。
• 通过 Grover 搜索与部分排序相结合的混合方法，将时间复杂度降低至经典界限以下。
• 分析所提出的量子子程序结构的资源需求与错误鲁棒性。

提出的方法

• 该算法在第一个数据库的 √N 个大小为 √N 的块上执行外层 Grover 搜索，以识别包含共同元素的块。
• 对于每个候选块，一个量子子程序使用修改后的 Grover 搜索检查该块中的任意元素是否与第二个数据库中的元素匹配。
• 内层搜索包括对块进行量子机械排序，然后使用排序后的块作为参考，在第二个数据库上执行 Grover 搜索。
• 通过在叠加态中计算块成员关系的指示函数，使外层 Grover 迭代能够放大正确块的振幅。
• 每次评估后，整个内层子程序（包括排序与搜索）均被相干地逆向，以保持量子相干性。
• 该算法利用 Grover 的振幅放大技术，实现了总时间复杂度为 O(N^{3/4} log N)，量子内存需求为 O(N^{1/2})。

实验结果

研究问题

• RQ1 是否存在一种量子算法，能够比经典方法更快地找到两个无序数据库之间的共同元素？
• RQ2 在使用量子资源的前提下，两个数据库匹配问题的最优时间复杂度是多少？
• RQ3 如何将 Grover 算法与排序子程序组合，以解决更高层次的搜索问题？
• RQ4 在嵌套 Grover 搜索与量子排序时，错误传播特性如何？
• RQ5 是否可以利用量子并行性，通过叠加态同时测试多个块是否存在匹配？

主要发现

• 该算法实现了 O(N^{3/4} log N) 的时间复杂度，快于经典方法的 O(N log N) 上限。
• 量子内存需求为 O(N^{1/2})，用于在内层 Grover 子程序执行期间存储叠加态。
• 外层 Grover 搜索在 O(N^{1/4}) 次迭代内识别出包含匹配元素的正确块，每次迭代均需完整执行一次内层子程序。
• 内层 Grover 子程序的失败概率为 O(N^{-1})，在 O(N^{1/4}) 次调用下的期望失败次数为 O(N^{-3/4})，对大 N 而言可忽略不计。
• 即使内层子程序出现孤立失败，外层算法仍具有鲁棒性，能够以极大概率恢复出正确的匹配结果。
• 该方法表明，通过嵌套 Grover 与排序原语，可在标准碰撞问题之外的匹配问题中实现量子加速。