[论文解读] Quantum Lower Bound for Recursive Fourier Sampling

Scott Aaronson|ArXiv.org|Sep 9, 2002

Quantum Computing Algorithms and Architecture参考文献 16被引用 4

一句话总结

本文建立了递归傅里叶采样（RFS）的量子查询下界，证明伯恩斯坦与瓦济拉尼的量子算法近乎最优。文章引入非奇偶性系数作为关键参数，并表明任何非平凡RFS变体的量子算法均需$2^{\Omega(h)}$次查询，其中$h$为树高，这意味着加速最多为拟多项式级别，且递归量子算法中逆计算（uncomputation）本质上是必需的。

ABSTRACT

One of the earliest quantum algorithms was discovered by Bernstein and Vazirani, for a problem called Recursive Fourier Sampling. This paper shows that the Bernstein-Vazirani algorithm is not far from optimal. The moral is that the need to "uncompute" garbage can impose a fundamental limit on efficient quantum computation. The proof introduces a new parameter of Boolean functions called the "nonparity coefficient," which might be of independent interest.

研究动机与目标

• 确定递归量子算法中逆计算步骤是否对量子加速施加根本性限制。
• 分析递归傅里叶采样（RFS）的查询复杂度，该问题被引入以在相对某个预言机下区分BPP与BQP。
• 建立RFS变体的二分法：要么平凡（可用一次经典查询解决），要么需要指数级量子查询。
• 证明伯恩斯坦-瓦济拉尼算法在RFS中近乎最优，无法实现指数级加速。
• 研究RFS是否位于PH之外，从而为BQP是否位于多项式层次之外这一开放问题作出贡献。

提出的方法

• 使用阿姆巴伊尼斯的敌对方法证明量子查询下界，并引入新参数：布尔函数的非奇偶性系数。
• 将非奇偶性系数$\mu(g)$定义为：对所有$z$和$b$的分布，随机线性泛函$s \cdot z$与$g(s)$一致的概率的最大值。
• 应用线性规划对偶性，对特定函数（如OR函数）下界估计$\mu(g)$，得出$\mu(\text{OR}) = 1/3$。
• 基于奇偶函数的阈值函数方差分析，推导出$\mu(g)$的下界，得出非奇偶函数的$\mu(g) > 0.146$。
• 建立二分法：RFS变体要么平凡（经典上仅需一次查询即可解决），要么需要$2^{\Omega(h)}$次量子查询。
• 证明RFS的量子查询复杂度为$2^{\Omega(h)}$，与伯恩斯坦-瓦济拉尼算法的$2^h$复杂度一致，从而表明其近乎最优。

实验结果

研究问题

• RQ1 在类似RFS的量子算法中，递归逆计算步骤是否可被证明为必要？是否存在更高效的算法可避免该步骤？
• RQ2 RFS的量子查询复杂度能否优于$2^h$次查询？还是该复杂度在渐近意义上已最优？
• RQ3 非奇偶布尔函数的非奇偶性系数$\mu(g)$的最小值是多少？其如何影响查询下界？
• RQ4 RFS是否位于PH之外？它能否用于在相对预言机下分离BQP与PH？
• RQ5 当标准多项式方法因低次表示而失效时，敌对方法是否可用于证明RFS变体的下界？

主要发现

• 任何非平凡RFS变体的量子查询复杂度为$2^{\Omega(h)}$，其中$h$为递归树的高度。
• 伯恩斯坦-瓦济拉尼算法在RFS中近乎最优，因为无法实现指数级加速。
• 对于非奇偶函数，非奇偶性系数$\mu(g)$的下界为$\frac{2 - \sqrt{2}}{4} \approx 0.146$，这对下界推导至关重要。
• 对于两比特上的OR函数，$\mu(\text{OR}) = 1/3$，这是目前已知$\mu(g)$的最小非零值。
• 本文建立了二分法：RFS变体要么平凡（经典上仅需一次查询解决），要么需要指数级量子查询。
• 该结果意味着RFS仅在$h = O(\log n)$时可在量子多项式时间内求解，从而限制了递归量子算法中指数级加速的潜力。