[论文解读] Is partial quantum search of a database any easier?

Lov K. Grover, Jaikumar Radhakrishnan|ArXiv.org|Jul 15, 2004

Quantum Computing Algorithms and Architecture参考文献 5被引用 4

一句话总结

本文研究了部分量子搜索，即仅需要数据库地址的前 $k$ 位。提出了一种量子算法，与完整 Grover 搜索相比，将查询复杂度降低了约 $\sim \frac{1}{\sqrt{K}}$ 倍，其中 $K = 2^k$，并建立了匹配的下界，表明部分搜索在渐近意义上更简单，但随着 $k$ 增大，优势迅速减弱。

ABSTRACT

In this paper, we consider the partial database search problem where given a database on N items, we are required to determine the first k bits of an address x such that f(x)=1. We derive an algorithm and a lower bound for this problem in the quantum circuits model. Let q(k,N) be the minimum number of queries needed to find the first k bits of the required address x. We show that there exist constants c_k and d_k such that (pi/4) (1 - d_k/sqrt{K}) sqrt{N} <= q(k,n) <= (pi/4) (1 - c_k/sqrt{K}) sqrt{N}, where K=2^k. Thus, it is always easier to determine a few bits of the target address than to find the entire address, but as k becomes large this advantage reduces rapidly.

研究动机与目标

• 确定部分量子搜索——即仅寻找目标地址的前 $k$ 位——是否比完整量子搜索更容易。
• 开发一种量子算法，以最小化在高概率下找到目标地址前 $k$ 位所需的查询次数。
• 建立部分搜索查询复杂度的紧致下界，揭示性能的理论极限。
• 比较经典与量子部分搜索，突出量子在查询减少方面的优势。

提出的方法

• 提出一种修改后的 Grover 搜索算法，将数据库划分为 $K = 2^k$ 个块，并对前 $k$ 位的搜索空间选择性地应用振幅放大。
• 采用两阶段振幅放大过程：首先放大正确块（由前 $k$ 位定义）的振幅，然后在该块内进一步细化搜索。
• 通过参数化旋转角 $\epsilon$ 推导查询复杂度的上界，对小的 $K$ 数值优化，对大的 $K$ 进行渐近分析。
• 通过将完整数据库搜索问题约化为部分搜索问题，利用 Zalka 对 Grover 算法最优性的结果，建立下界。
• 通过递归约化策略，证明该下界不仅适用于零误差算法，也适用于误差概率为 $O(N^{-1/4})$ 的算法。
• 通过递归应用部分搜索算法来模拟完整搜索，证明任何查询次数少于 $\frac{\pi}{4}(1 - \frac{1}{\sqrt{K}})\sqrt{N}$ 的部分搜索算法都将违反 Grover 算法的最优性。

实验结果

研究问题

• RQ1 与完整 Grover 搜索相比，部分量子搜索能否显著降低查询复杂度？
• RQ2 使用量子算法查找数据库地址前 $k$ 位所需的最优查询次数是多少？
• RQ3 部分搜索的查询复杂度如何随 $K = 2^k$ 变化？优势是否会随着 $k$ 增大而减弱？
• RQ4 当算法允许较小的误差概率时，部分搜索中的量子优势是否依然稳健？
• RQ5 能否将完整数据库搜索问题约化为部分搜索问题？这对部分搜索的下界意味着什么？

主要发现

• 所提出的量子算法的查询复杂度最多为 $\frac{\pi}{4}\left(1 - \frac{c_k}{\sqrt{K}}\right)\sqrt{N}$，其中当 $K$ 较大时 $c_k \geq \frac{0.42}{\sqrt{K}}$，与完整 Grover 搜索相比显著减少了查询次数。
• 部分搜索的下界为 $\frac{\pi}{4}\left(1 - \frac{d_k}{\sqrt{K}}\right)\sqrt{N}$，其中 $d_k$ 与算法性能在常数范围内一致，证明了近似最优性。
• 当 $K=2$（第一位）时，算法约需 $0.555\sqrt{N}$ 次查询，而完整搜索需 $0.785\sqrt{N}$ 次，显示出可测量的优势。
• 随着 $k$ 增大，部分搜索的优势迅速减弱：当 $K=32$（前五位）时，算法使用 $0.725\sqrt{N}$ 次查询，接近完整搜索的极限。
• 即使对于误差概率为 $O(N^{-1/4})$ 的算法，该下界依然成立，表明性能提升并非零误差约束下的伪影。
• 本文证明，部分搜索无法显著快于 $O(\sqrt{N}/\sqrt{K})$ 次查询，确认了量子加速仅限于 $\Theta(1/\sqrt{K})$ 因子。