[论文解读] Quantum finite automata: survey, status and research directions

Amandeep Singh Bhatia, Ajay Kumar|arXiv (Cornell University)|Jan 23, 2019

Quantum Computing Algorithms and Architecture参考文献 80被引用 9

一句话总结

本文对量子有限自动机（QFA）模型进行了全面、系统的综述，包括带有密度算符和经典状态的变体，分析了其语言识别能力、封闭性质及等价性。文章整合了现有研究成果，对比了MO-1QFA与MM-1QFA等模型，并指出了在计算能力、可判定性与模拟方面尚未解决的问题，为推进量子自动机理论与量子计算研究提供了基础性资源。

ABSTRACT

Quantum computing is concerned with computer technology based on the principles of quantum mechanics, with operations performed at the quantum level. Quantum computational models make it possible to analyze the resources required for computations. Quantum automata can be classified thusly: quantum finite automata, quantum sequential machine, quantum pushdown automata, quantum Turing machine and orthomodular lattice-valued automata. These models are useful for determining the expressive power and boundaries of various computational features. In light of the current state of quantum computation theory research, a systematic review of the literature seems timely. This article seeks to provide a comprehensive and systematic analysis of quantum finite automata models, quantum finite automata models with density operators and quantum finite automata models with classical states, interactive proof systems, quantum communication complexity and query complexity as described in the literature. The statistics of quantum finite automata related papers are shown and open problems are identified for more advanced research. The current status of quantum automata theory is distributed into various categories. This research work also highlights the previous research, current status and future directions of quantum automata models.

研究动机与目标

• 提供对量子有限自动机（QFA）模型的系统性与全面性分析，包括带有密度算符和经典状态的变体。
• 基于语言识别能力、封闭性质及包含关系，对比不同QFA模型。
• 识别并突出量子自动机理论中的开放问题与未来研究方向。
• 通过展示QFA相关出版物的统计数据与高被引文献，为未来研究提供指引。
• 探索QFA相较于经典有限自动机的计算优势，特别是在状态复杂度与非随机语言识别方面。

提出的方法

• 对从基础性研究（如Moore & Crutchfield、Kondács & Watrous）到最新进展的QFA模型开展系统性文献回顾。
• 将QFA模型分类为：一次测量（MO-1QFA）、多次测量（MM-1QFA）、1.5路QFA、2路QFA，以及包含经典与量子状态的混合模型（如1QFAC、2QCFA）。
• 运用形式语言理论与量子态演化原理，分析不同QFA模型之间的封闭性质与等价性准则。
• 通过语言类的理论分析，对比QFA模型与经典对应模型（DFA、PFA、2PFA）的识别能力。
• 采用文献计量分析方法，总结QFA研究领域的出版趋势、高被引论文与关键贡献者。
• 基于在可判定性、模拟与QFA模型计算层次结构方面尚未解决的问题，提出开放性问题。

实验结果

研究问题

• RQ1 不同QFA模型（如MO-1QFA、MM-1QFA、1.5 QFA与2QFA）之间的相对语言识别能力如何？
• RQ2 具有有界误差的2QFA能否在多项式时间内识别出2PFA具有有界误差时无法识别的语言？
• RQ3 2QFA与1.5路QFA模型的等价性问题是否可判定？
• RQ4 是否存在某些非随机语言可被2QFA识别但无法被1.5路QFA识别？
• RQ5 2QFA的封闭性质是什么？其与经典自动机模型的封闭性质相比如何？

主要发现

• 本文系统性地展示了QFA模型的演进过程，表明从MO-1QFA到2QFA以及1QFAC与2QCFA等混合模型，其计算能力逐步增强。
• 研究表明，MM-1QFA与1.5 QFA可识别比经典有限自动机更多的语言，包括部分非随机语言。
• 研究发现，2QFA可在有界误差下识别某些非随机语言，表明其在计算能力上优于经典模型。
• 开放问题包括2QFA与1.5路QFA等价性的可判定性，以及是否存在多项式时间算法用于测试两个2QCFA之间的等价性。
• 本文指出，1QFAC模型可在更少状态数下识别更多语言，表明其在状态复杂度方面具有潜在优势。
• 统计分析显示，QFA研究兴趣持续增长，关键贡献者包括Kondács、Watrous与Moore，其代表性工作被引用超过100次。