[论文解读] Quantum Distributed Algorithm for Triangle Finding in the CONGEST Model

Taisuke Izumi, François Le Gall+1 more|arXiv (Cornell University)|Aug 30, 2019

Quantum Computing Algorithms and Architecture参考文献 26被引用 11

一句话总结

本文提出了一种在 CONGEST 模型中用于三角形查找的量子分布式算法，其轮数复杂度为 Õ(n¹⁴)，优于最佳经典算法的 Õ(n¹³)。该方法结合了量子搜索与图分解为低混合时间组件的技术，通过在顶点三元组的结构化索引上使用量子幅度放大，实现了对潜在三角形的高效分布式检查。

ABSTRACT

This paper considers the triangle finding problem in the CONGEST model of distributed computing. Recent works by Izumi and Le Gall (PODC'17), Chang, Pettie and Zhang (SODA'19) and Chang and Saranurak (PODC'19) have successively reduced the classical round complexity of triangle finding (as well as triangle listing) from the trivial upper bound $O(n)$ to $ ilde O(n^{1/3})$, where~$n$ denotes the number of vertices in the graph. In this paper we present a quantum distributed algorithm that solves the triangle finding problem in $ ilde O(n^{1/4})$ rounds in the CONGEST model. This gives another example of quantum algorithm beating the best known classical algorithms in distributed computing. Our result also exhibits an interesting phenomenon: while in the classical setting the best known upper bounds for the triangle finding and listing problems are identical, in the quantum setting the round complexities of these two problems are now $ ilde O(n^{1/4})$ and $ ilde Θ(n^{1/3})$, respectively. Our result thus shows that triangle finding is easier than triangle listing in the quantum CONGEST model.

研究动机与目标

• 开发一种量子分布式算法，以亚线性轮数复杂度解决 CONGEST 模型中的三角形查找问题。
• 通过比较量子与经典轮数复杂度，探索分布式图问题中的量子优势。
• 研究在经典复杂度相同的情况下，三角形查找是否在量子 CONGEST 模型中比三角形列出更简单。
• 利用量子搜索与低混合时间图组件中的高效路由，最小化通信轮数。
• 在分布式环境中建立三角形相关问题的量子与经典复杂度之间的分离。

提出的方法

• 将输入图分解为混合时间较低的组件，以实现高效路由与通信。
• 在顶点三元组 (i,j,k) 的索引上使用量子分布式搜索框架，检测是否存在构成三角形的三元组。
• 基于平衡分配函数 γ，将每个三元组分配给内图 G^in 中的一个顶点，以实现计算负载的均衡分布。
• 实现一个检查过程，通过本地计算与消息传递，验证每组三元组 (i,j,k) 的集合 Vi、Vj、Vk 之间的边是否构成三角形。
• 应用量子幅度放大技术，在约 t ≈ n¹²/⁴ 个索引上进行搜索，将搜索成本从 O(√t) 降低至 Õ(√t) 轮。
• 通过借鉴先前工作的改进路由方案，优化经典检查子程序，使其在 Õ(mix(G^in)) 轮内完成，其中 mix(G^in) = poly(log n)。

实验结果

研究问题

• RQ1 量子算法能否在 CONGEST 模型中对三角形查找问题实现相对于经典算法的可证明轮数复杂度优势？
• RQ2 在经典复杂度相同的情况下，三角形查找是否在量子 CONGEST 模型中严格比三角形列出更简单？
• RQ3 在利用量子搜索对结构化图分解进行搜索时，量子三角形查找的最优轮数复杂度是多少？
• RQ4 内图 G^in 的混合时间如何影响整体量子轮数复杂度？
• RQ5 在不需全局图结构完整知识的情况下，能否在分布式计算中实现量子加速？

主要发现

• 所提出的量子算法在 CONGEST 模型中以 Õ(n¹³) 轮解决三角形查找问题，相较于经典算法的 Õ(n¹³) 边界实现了显著改进。
• 通过结合量子搜索与低混合时间组件中的高效路由，该量子算法在经典方法上实现了二次加速。
• 在量子 CONGEST 模型中，三角形查找被证明严格比三角形列出更简单，其复杂度分别为 Õ(n¹³) 和 Õ(n¹³)。
• 每个候选三元组的检查过程耗时 Õ(mix(G^in)) 轮，且由于 mix(G^in) = poly(log n)，整体复杂度由 Õ(n¹³) 主导。
• 该结果展示了在经典复杂度已为紧致边界的情况下，分布式图问题中量子与经典复杂度之间的分离。
• 该工作为分布式计算中的量子优势设立了新基准，尤其在三角形检测与图模式匹配方面。