[论文解读] On Quantum Versions of the Yao Principle

M.G. de Graaf, R.M. de Wolf|ArXiv.org|Sep 14, 2001

Quantum Mechanics and Applications被引用 9

一句话总结

本文研究了经典 Yao 原理的量子类比，提出了一个弱版本和一个强版本的量子 Yao 原理，以建立有界误差量子查询复杂度与分布式量子复杂度之间的关系。研究证明，对于对称布尔函数，弱版本在常数因子范围内成立；而强版本由于存在指数级差距而失败，从而确立了通过分布式分析建立量子复杂度下界的基础限制。

ABSTRACT

The classical Yao principle states that the complexity R_epsilon(f) of an optimal randomized algorithm for a function f with success probability 1-epsilon equals the complexity max_mu D_epsilon^mu(f) of an optimal deterministic algorithm for f that is correct on a fraction 1-epsilon of the inputs, weighed according to the hardest distribution mu over the inputs. In this paper we investigate to what extent such a principle holds for quantum algorithms. We propose two natural candidate quantum Yao principles, a ``weak'' and a ``strong'' one. For both principles, we prove that the quantum bounded-error complexity is a lower bound on the quantum analogues of max mu D_epsilon^mu(f). We then prove that equality cannot be obtained for the ``strong'' version, by exhibiting an exponential gap. On the other hand, as a positive result we prove that the ``weak'' version holds up to a constant factor for the query complexity of all symmetric Boolean functions

研究动机与目标

• 研究量子版本的经典 Yao 原理是否成立，特别是针对量子查询复杂度。
• 在分布输入假设下，定义经典随机化与确定性算法的有意义量子对应物。
• 确定量子有界误差复杂度是否等于所有分布下分布式量子复杂度的最大值。
• 识别弱量子 Yao 原理成立的函数类别，并探索强版本的反例。

提出的方法

• 提出两个量子 Yao 原理：弱版本要求在分布 μ 下对 2/3 的输入正确，强版本要求在所有输入上输出确定值（0 或 1）。
• 定义量子类比：$ Q_2(f) $ 为有界误差量子算法的最小查询复杂度，$ Q_{WE}^\mu(f) $ 和 $ Q_{SE}^\mu(f) $ 分别为在分布 μ 下弱/强 2/3 精确算法的最小复杂度。
• 使用递归 Grover 搜索和幅度放大技术，为 AND-OR 树函数构造弱精确量子算法。
• 通过已知的查询复杂度界，隐式应用多项式方法和量子对偶方法。
• 采用分布式分析和树深度的归纳法，界定对称函数的查询复杂度。
• 通过使用阶查找问题构造反例，驳斥强量子 Yao 原理。

实验结果

研究问题

• RQ1 是否存在一个量子版本的 Yao 原理，将有界误差量子复杂度与分布式量子复杂度联系起来？
• RQ2 弱量子 Yao 原理能否在包括对称布尔函数在内的广泛函数类上成立？
• RQ3 强量子 Yao 原理是否有效，还是由于 $ Q_2(f) $ 与 $ \max_\mu Q_{SE}^\mu(f) $ 之间的指数级差距而失败？
• RQ4 弱量子 Yao 原理能否扩展到单调函数或其他超出对称函数的函数类别？
• RQ5 已知的量子加速（如阶查找）是否为弱量子 Yao 原理提供了反例？

主要发现

• 通过基于递归 Grover 的构造，证明了对所有对称布尔函数，弱量子 Yao 原理在常数因子范围内成立。
• 强量子 Yao 原理因 $ Q_2(f) $ 与 $ \max_\mu Q_{SE}^\mu(f) $ 之间存在指数级差距而失败，该结论通过反例函数得到验证。
• 对于 AND-OR 树函数，存在一个弱 2/3 精确量子算法，其查询复杂度为 $ O(\sqrt{N\log N}) $，与已知的 $ Q_2(AO) $ 上限一致。
• 阶查找问题为弱量子 Yao 原理提供了一个候选反例，因为尽管存在 $ O(\log N) $ 查询的有界误差算法，但尚未发现高效的弱精确算法。
• 本文证明了 $ Q_2(f) \leq \max_\mu Q_{WE}^\mu(f) $，确认弱原理在一个方向上成立。
• 强量子 Yao 原理之所以失败，是因为对某些函数有 $ Q_2(f) \ll \max_\mu Q_{SE}^\mu(f) $，表明在分布 μ 下的确定性行为并不能像经典情形那样以相同方式限制量子复杂度。