[论文解读] Towards Exponential Quantum Improvements in Solving Cardinality-Constrained Binary Optimization

Haomu Yuan, Hanqing Wu+3 more|arXiv (Cornell University)|Mar 16, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

论文提出一种基于 Grover 的量子算法用于固定基数的二进制二次优化，在某些情形下实现指数级加速，并提出一种混合量子‑经典 ADMM 框架来解决带有可证明保证的风险等权模型。

ABSTRACT

Cardinality-constrained binary optimization is a fundamental computational primitive with broad applications in machine learning, finance, and scientific computing. In this work, we introduce a Grover-based quantum algorithm that exploits the structure of the fixed-cardinality feasible subspace under a natural promise on solution existence. For quadratic objectives, our approach achieves ${O}\left(\sqrt{\frac{\binom{n}{k}}{M}} ight)$ Grover rotations for any fixed cardinality $k$ and degeneracy of the optima $M$, yielding an exponential reduction in the number of Grover iterations compared with unstructured search over $\{0,1\}^n$. Building on this result, we develop a hybrid classical--quantum framework based on the alternating direction method of multipliers (ADMM) algorithm. The proposed framework is guaranteed to output an $ε$-approximate solution with a consistency tolerance $ε+ δ$ using at most $ {O}\left(\sqrt{\binom{n}{k}}\frac{n^{6}k^{3/2} }{ \sqrt{M}ε^2 δ} ight)$ queries to a quadratic oracle, together with ${O}\left(\frac{n^{6}k^{3/2}}{ε^2δ} ight)$ classical overhead. Overall, our method suggests a practical use of quantum resources and demonstrates an exponential improvements over existing Grover-based approaches in certain parameter regimes, thereby paving the way toward quantum advantage in constrained binary optimization.

研究动机与目标

• 将基数受限的二进制优化 (BPP-FC) 作为具有广泛应用的基本原语来进行动机阐述与形式化。
• 开发一种将搜索限定在固定基数子空间的 Grover 基算法以实现加速。
• 扩展为一个混合经典‑量子 ADMM 框架，用于四次项目标函数（风险等权）以降低量子资源需求并提供收敛保证。

提出的方法

• 引入一个硬约束扩散算符，能够在恰好有 k 个1的所有位串上准备 Dicke 状态。
• 使用 Grover 自适应搜索 (GAS) 来最小化带有oracle 的固定基数 QUBO 的迭代。
• 提供量子字典 (QD) oracle 设计，将二次/高阶目标编码到带受控旋转的相位 oracle 中。
• 证明对于固定基数 k，所需的 Grover 迭代次数与 O(sqrt(binomial(n, k)/M)) 成比例，其中 M 是最优解的简并度。
• 开发一个基于 ADMM 的混合框架 (ADMM-GAS-hard)，将四次项的风险等权问题转化为 GAS 可求解的二次子问题，并给出收敛保证。
• 为提出的 oracle 和扩散算符提供资源与门计数分析。

实验结果

研究问题

• RQ1 当可行集是 {0,1}^n 的固定基数子集时，基于 Grover 的方法是否能优于无结构搜索？
• RQ2 使用 GAS 结合硬约束解决 BQP-FC 的量子查询复杂度与电路要求为何？
• RQ3 如何在不产生高昂量子资源成本的前提下，将风险等权（四次项）优化整合到可由量子求解的框架中？
• RQ4 在将 GAS 与 ADMM 结合用于受约束的二进制优化时，收敛保证与资源开销为何？

主要发现

• 对于固定基数 k，基于 GAS 的求解器实现 O(sqrt(binomial(n,k)/M)) 的 Grover 旋转次数，在某些情形下相较无结构搜索实现指数级降低。
• 基于 Dicke 状态制备的扩散算符将 Grover 扩散限定在固定基数子空间，从而实现硬约束搜索（定理1）。
• 一个基于 ADMM 的混合框架 (ADMM-GAS-hard) 通过将风险等权模型分解为可通过 GAS 求解的二次子问题来实现，且在给定假设下具有收敛路径。
• 论文提供了显式的资源估计，显示二次 oracle 查询的数量级为 O(sqrt(binomial(n,k)) n^6 k^{3/2} /(sqrt(M) epsilon^2 delta))，再加上 O(n^6 k^{3/2}/(epsilon^2 delta)) 的经典开销。
• 扩散和 oracle 构造具备深度/门计数表征，U_k^n 深度为 O(n)，在全连接硬件上有望并行化至 O(k log(n/k))。
• ADMM 方法使量子资源的实际使用得以实现，并通过问题重构与分解将 GAS 的优势扩展到更高次数的多项式。