[论文解读] Quantum Algorithm to Solve a Maze: Converting the Maze Problem into a Search Problem

Niraj Kumar, Debabrata Goswami|arXiv (Cornell University)|Dec 15, 2013

Advanced Algebra and Logic参考文献 3被引用 3

一句话总结

本文提出一种量子算法，通过将2D完美迷宫问题重新表述为使用Grover算法的量子搜索任务来求解。该方法将所有可能路径编码为量子态，利用适应度算符评估路径接近目标的程度，并通过动态阈值预言机迭代应用Grover搜索，以实现向最优路径的收敛，从而在经典搜索方法上获得二次方加速。

ABSTRACT

We propose a different methodology towards approaching a Maze problem. We convert the problem into a Quantum Search Problem (QSP), and its solutions are sought for using the iterative Grover's Search Algorithm. Though the category of mazes we are looking at are of the NP complete class, we have redirected such a NP complete problem into a QSP. Our solution deals with two dimensional perfect mazes with no closed loops. We encode all possible individual paths from the starting point of the maze into a quantum register. A quantum fitness operator applied on the register encodes each individual with its fitness value. We propose an oracle design which marks all the individuals above a certain fitness value and use the Grover search algorithm to find one of the marked states. Iterating over this method, we approach towards the optimum solution.

研究动机与目标

• 利用量子计算原理解决NP完全的迷宫求解问题。
• 将迷宫遍历重新表述为量子搜索问题（QSP），以利用量子优势。
• 设计一种基于适应度的预言机，用于标记更接近目标的路径，从而实现迭代优化。
• 实现带有动态阈值的迭代Grover搜索，以高效逼近最优路径。
• 证明量子算法相较于经典穷举搜索可在迷宫求解中实现二次方加速。

提出的方法

• 通过递归回溯算法生成迷宫，以确保无闭合环路。
• 使用Hadamard门将从起点到终点的所有可能路径编码为量子寄存器中的叠加态。
• 定义一个适应度函数，量化路径接近目标的程度，并将其存储在与路径态纠缠的适应度寄存器中。
• 设计一个量子预言机，用于标记适应度值高于动态更新阈值的路径。
• 迭代应用Grover扩散算符，以增强被标记（高适应度）态的振幅。
• 通过更新阈值重复该过程，逐步收敛至最优路径。

实验结果

研究问题

• RQ1 能否通过将迷宫转化为量子搜索问题，使量子算法有效求解2D完美迷宫？
• RQ2 在量子编码框架下，如何定义适应度函数以评估路径质量？
• RQ3 预言机在标记高适应度路径并实现迭代改进中起什么作用？
• RQ4 带有动态阈值的迭代Grover搜索在多大程度上提升了向最优路径收敛的效率？
• RQ5 与经典穷举搜索相比，该方法的计算复杂度边界是什么？

主要发现

• 该算法使用n量子比特寄存器将所有可能路径编码为量子叠加态，从而形成大小为4^n的搜索空间。
• 适应度算符评估路径质量，并将其与路径态纠缠，从而实现基于测量的高质量路径选择。
• 预言机标记适应度值高于阈值的路径，Grover算法在O(√k)步内放大这些被标记态的振幅，其中k为被标记路径的数量。
• 通过使用更新阈值的迭代Grover搜索，可在有限步数内收敛至最优路径，尽管由于Grover算法的二次方加速，无法保证在多项式时间内完成。
• 该方法相较于经典穷举搜索实现了二次方加速，但未提供指数级加速，突显了Grover算法在NP完全问题上的当前局限性。
• 未来具备指数级加速的量子搜索算法可能有望在多项式时间内求解NP完全问题（如迷宫求解）。