[论文解读] Quantum Speedup for Network Coordination via Fourier Sparsity

Vinayak Dixit|arXiv (Cornell University)|Mar 8, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

论文定义了傅里叶-NC，即傅里叶稀疏网络协调问题，并在非对易群（特别是 S_k）上展示了相对于经典方法的条件量子加速，复杂度差距取决于群结构。一般情形下证明 NP-hard，对阿贝尔情况给出多项式时间量子算法，并讨论置换协调的条件超指数级加速。

ABSTRACT

Network coordination - synchronising traffic signals, scheduling trains, assigning communication slots requires minimising pairwise costs across coupled systems. These problems are NP-hard yet share a common Fourier-sparse structure exploitable by quantum algorithms. We introduce the Fourier Network Coordination problem (Fourier-NC),unifying eight application domains. For abelian and dihedral groups, classical sparse Fourier transforms match quantum in the same oracle model, limiting the advantage to at most polynomial. The genuine separation emerges for the symmetric group Sk: a conditional super-exponential speedup of k! -> poly(k) for class-function costs with non-trivial minimisers. When the minimising conjugacy class is structurally determined, the problem lies in NP (int) BQP and is conditionally outside P (Corollary 6.5), placing it in the intermediate complexity regime alongside integer factorisation and graph isomorphism. We formalise the abelian index α(G) = [G : Amax] as the structural invariant governing the quantum-classical gap and identify a three-regime complexity trichotomy: abelian ({α= 1, classical sFFT suffices), nearly abelian (α= dmax, polynomial advantage), and strongly non-abelian (α>>dmax, super-exponential advantage).

研究动机与目标

• 在八个领域将网络协调问题统一到一个傅里叶稀疏成本结构下。
• 证明一般的 Fourier-NC 优化为 NP-hard，以及判定版本的 NP-complete。
• 为阿贝尔设置开发多项式时间量子算法，并扩展到对 S_k 的置换协调。
• 将阿贝尔指标 alpha(G) 表征为支配量子-经典差距的结构不变量。
• 引入三阶段复杂度三分法（阿贝尔、近似阿贝尔、强非阿贝尔）。

提出的方法

• 在 Z_C 上定义 Fourier-NC 并证明傅里叶分解定理，以将非零傅里叶模绑定在 O(mr) 内。
• 构造相位本征编码边权的量子门，并应用逆量子傅里叶变换以恢复主导傅里叶模。
• 证明无挫折图允许精确的基于树的求解，而有挫折的图则产生有界的差距。
• 给出一个多项式时间量子算法（定理 4.1），包含门数分析与复杂度界。
• 将框架扩展到对称群 S_k（置换协调）并分析条件性量子优势（命题 6.7、推论 6.5）。

Figure 1: Fourier spectrum $|\hat{H}(k)|$ for a single edge ( $C=10$ ). Left: 2-sparse ( $r=2$ )—only 2 non-zero entries on the anti-diagonal $k_{j}=-k_{i}\bmod C$ . Centre: dense but cyclic ( $r=C$ ) with $O(C)$ modes, Grover quadratic speedup. Right: unstructured— $O(C^{2})$ modes, no quantum shor

实验结果

研究问题

• RQ1 傅里叶稀疏成本结构是否可被量子傅里叶技术利用，以比经典方法更高效地解决网络协调问题？
• RQ2 群结构在决定 Fourier-NC 的量子-经典复杂度差中的作用是什么？
• RQ3 在对称群等非阿贝尔群的类函数成本设定下，是否存在条件性的指数级（或超指数级）量子优势？
• RQ4 在何种条件下 Fourier-NC 的实例是挫折-free 的，并能被量子方法多项式时间求解？
• RQ5 阿贝尔指标 alpha(G) 如何支配从阿贝尔到近似阿贝尔再到强非阿贝尔的跃迁？

主要发现

• Fourier-NC 将八个现实领域在共同的傅里叶稀疏结构下联系起来， enabling a quantum approach.
• 对于阿贝尔群，经典的稀疏快速傅里叶变换在量子优势下相匹配，将 r 稀疏实例的加速限制在最多多项式量级。
• 对于对称群 S_k，在类别函数成本且存在非平凡极小化解的情形下，获得从 k! 到多项式量级 poly(k) 的条件性超指数加速。
• 傅里叶分解将问题化简为 O(mr) 个活跃傅里叶模，在合适条件下实现多项式时间量子算法。
• 如果极小化卷积类是结构性确定的， Fourier-NC 属于 NP ∩ BQP，且在外部条件下（DMPC 结果）不属于 P。
• 阿贝尔指标 alpha(G) 决定量子-经典差距，形成三种情形：阿贝尔（alpha=1）、近似阿贝尔（alpha=d_max）、强非阿贝尔（alpha >> d_max）。

Figure 2: Quantum circuit for Algorithm 1. (a) High-level circuit: each of the $n$ vertex registers is prepared in a uniform superposition via Hadamard gates, the phase oracle $U_{H}$ encodes all edge constraints as a product of pairwise unitaries $U_{ij}$ , and an inverse QFT extracts the Fourier-m