[论文解读] Quantum walk based search algorithms

Miklós Sántha|ArXiv.org|Aug 1, 2008

Quantum Computing Algorithms and Architecture参考文献 30被引用 20

一句话总结

本文全面综述了基于量子行走的搜索算法，提出了一种简化的MNRS算法版本，并展示了其在关键搜索问题（如元素相异性、三角形问题和群交换性）中的应用。通过在结构化图上利用量子行走，该方法实现了改进的量子查询复杂度，关键结果表明：三角形问题的复杂度为 $ O(n^{13/10}) $，群交换性问题的复杂度为 $ O(n^{2/3} \log n) $，优于经典算法和基本Grover搜索的界限。

ABSTRACT

In this survey paper we give an intuitive treatment of the discrete time quantization of classical Markov chains. Grover search and the quantum walk based search algorithms of Ambainis, Szegedy and Magniez et al. will be stated as quantum analogues of classical search procedures. We present a rather detailed description of a somewhat simplified version of the MNRS algorithm. Finally, in the query complexity model, we show how quantum walks can be applied to the following search problems: Element Distinctness, Matrix Product Verification, Restricted Range Associativity, Triangle, and Group Commutativity.

研究动机与目标

• 为离散时间量子行走的量化提供一种直观但形式化的处理方式，作为经典马尔可夫链的量子模拟。
• 详细描述一种简化的MNRS量子行走搜索算法版本。
• 展示量子走在查询复杂度模型中基本搜索问题中的应用。
• 为诸如元素相异性、矩阵乘积验证、三角形问题和群交换性等问题建立改进的量子查询复杂度界限。

提出的方法

• 本文将基于量子行走的搜索形式化为经典马尔可夫链的量化，采用可逆、对称或一般遍历链的框架。
• 采用MNRS算法，该算法在约翰逊图上使用量子行走，通过振幅放大技术提升找到标记元素的概率。
• 针对每个问题，方法在具有已知平稳分布的状态空间上构建合适的马尔可夫链，并根据问题条件定义标记集合。
• 利用特征值间隙 $ \delta $ 和标记状态比例 $ \varepsilon $ 分析查询复杂度，应用通用量子行走复杂度界限 $ O(\sqrt{1/\varepsilon \delta}) $。
• 算法通过设置成本、更新成本和检查成本计算总查询复杂度，其中设置和更新成本取决于所用数据结构。
• 对于三角形和群交换性等复杂问题，方法通过在顶点或元组上使用Grover搜索的递归或次级搜索子程序，利用约翰逊图优化对子集的搜索。

实验结果

研究问题

• RQ1 如何系统性地将经典马尔可夫链量化，以获得更快的搜索算法？
• RQ2 解决具有结构化标记集合的搜索问题时，最优的量子行走框架是什么？
• RQ3 对于元素相异性和三角形问题等，量子行走能否实现优于Grover算法的查询复杂度？
• RQ4 与早期量子行走方法相比，MNRS算法在通用性和效率方面有何改进？
• RQ5 基于量子行走的算法在群交换性和受限范围结合性问题上的查询复杂度是多少？

主要发现

• 通过在MNRS框架中设定 $ r = n^{3/5} $，三角形问题可在量子查询复杂度 $ O(n^{13/10}) $ 内解决。
• 群交换性问题的量子查询复杂度为 $ O(n^{2/3} \log n) $，与目前已知的最佳上界一致，并达到了 $ \Omega(n^{2/3}) $ 的下界。
• 对于元素相异性问题，量子行走方法实现了 $ O(n^{2/3}) $ 的查询复杂度，优于Grover算法的 $ O(n^{1/2}) $ 边界。
• 矩阵乘积验证问题以 $ O(n^{5/7}) $ 的查询复杂度得以解决，展示了量子走在代数问题中的强大能力。
• 通过在约翰逊图上使用适当参数的量子行走，受限范围结合性问题在 $ O(n^{3/4}) $ 次查询内得以解决。
• 本文证明，MNRS算法框架在概念上简洁且高效，通过推广和改进Ambainis与Szegedy的早期方法，实现了显著提升。