形式陈述
Oracle、合法输入和两个量词
采用标准比特查询公理库量子查询模型Quantum query model · Quantum black-box model将输入封装为可在叠加索引上相干调用的 oracle,并只计输入相关调用次数的有限维量子黑盒模型。约定:
其中 指定位置, 是回答比特, 是其余工作状态。把回答比特置为 ,一次调用就会把索引分量乘上 ,得到相位查询的效果;这解释了两种常见写法的联系。
设 ,其中 是合法输入集合。对 ,定义
一个量词约束每个输入上的成功概率,另一个约束每条执行分支的查询硬上限。不能把前者换成随机输入的平均成功率,也不能把后者换成期望查询次数。允许中间测量或自适应控制时,这一区分尤其重要。
常用 表示 ,下标 指有界双侧误差的传统记号,不是“错误率为 ”。当 时是全函数;否则是带承诺的偏函数。算法只对 中的输入承担正确性要求,但 oracle 对其他 bit 串仍是合法操作,产生的接受概率仍在 。[1]
定义中先选择一个算法,再要求它处理所有合法输入,不能为每个 单独选算法。后者只需把 写进程序就可零查询,抹掉了未知输入带来的困难。若 同时包含输出 和输出 的输入,任何零查询算法的输出分布与 无关,因而在其中一类输入上错误至少为 ;所以此时 。
直觉
把“读取输入”单独计费
一个长度为 的比特串藏在黑盒中,算法不能直接查看,只能调用 oracle 读取信息。经典查询通常指定一个位置;量子查询允许索引寄存器处于叠加态,再利用后续干涉组织这些信息。有界误差量子查询复杂度问的是:对每个合法输入都保持足够高的正确率,至少需要调用黑盒多少次?
这里统计的是查询次数,不是程序总运行时间。构造量子门、处理工作寄存器以及实现 oracle 本身可能很昂贵,但标准查询模型把与输入无关的计算放在查询成本之外。这是一种刻意隔离信息获取成本的模型。[1]
例子与边界
一个可以算清楚的承诺问题
考虑 ,承诺输入要么全为 ,要么恰有一个 ,要求判断是哪一种。先在八个索引上制备均匀叠加,再执行一次 Grover 迭代公理库Grover 搜索查询复杂度Grover search query complexity · Unstructured quantum search以二维振幅旋转在无结构空间寻找标记项,并由 BBBV 下界刻画其平方根查询复杂度最优性。。
当恰有一个标记位置时,令 。初态在标记方向上的振幅为 ,一次迭代把它转成 。由三倍角公式,
测量得到候选索引后,再查询一次该位置,只有读到 才回答“存在”。Grover 迭代中的相位标记用一次 oracle,最后验证再用一次,总共两次查询。全零输入上永远回答“不存在”;单标记输入上以 的概率回答“存在”。因此,该承诺问题的 至多为 ;这个构造本身没有证明下界。
为什么不能直接宣布解决了八位的任意 OR?若有四个 ,则 ,一次迭代后的命中概率是 ,达不到 。同一算法在承诺内有效,在承诺外失去保证。对任意标记数的搜索,需要合适的迭代次数选择或其他处理,而不是固定重复一次。
最后的验证查询也承担单侧错误保证:全零时,任意测得的索引都被验证否决;单标记时,只有测中标记才能接受。如果省掉验证、只把“测出了一个索引”当作存在性证据,那么全零时同样总会测出某个索引,算法就必错。因而搜索到候选位置与判定存在性是两项不同义务,查询账必须覆盖后者。
推论与应用
常数误差为什么通常不影响阶数
设一个算法每次使用至多 次查询,对每个合法输入的错误率至多 。重新初始化并独立运行 次,最后取多数票。Hoeffding 型界给出
多数票错误因此,为把错误率降至 ,取
即可,总查询硬上限为 。当起始和目标误差都是固定的正数且严格小于 时,额外开销只是常数倍。若起始优势 随 缩小,这个倍数就不再是常数。
重复降低的是概率,并没有在有限次运行后把非零错误变成零。按本页的固定硬上限约定, 在 的端点对应精确量子查询复杂度公理库精确量子查询复杂度Exact quantum query complexity · Exact quantum queries要求每个合法输入上以概率一给出函数值的最小最坏量子 oracle 调用数。 ;有些文献把 留给另一类零误差模型,引用记号时需要区分。定义直接给出 ,不保证两者同阶。
怎样证明查询已经足够少
给出算法只证明上界;要说明最优,还得证明任何允许的算法都不能更省查询。对全函数 ,有 :搜索算法给出上界,量子查询下界排除更快的黑盒方法。[1]
量子查询多项式方法公理库量子查询的多项式方法Polynomial method for quantum query complexity · Quantum query polynomial lower bound复用接受概率的二倍查询次数上界,以近似次数及其对偶见证推出量子查询下界。利用一个结构事实: 次查询后的接受概率,在布尔输入上可写成次数至多 的实多重线性多项式。如果函数无法被更低次数的多项式逐点近似,就得到查询下界。对手方法公理库量子查询的正权 Adversary 方法Positive-weight quantum adversary method · Ambainis adversary method以非负输入对权矩阵的谱范数与单坐标可区分进度之比,证明量子查询下界。则跟踪答案不同的输入所产生状态之间的可区分性,限制一次查询能推进多少。
这些方法比较的是模型内的算法。不能把一次叠加查询理解为“测量后得到所有 位”,也不能把较少查询直接换算为实际设备上的同倍加速;量子优势来自对有限可读出信息的相干组织。
参考资料
[1] Ronald de Wolf,Quantum Computing: Lecture Notes,Grover 搜索、量子查询下界与广义对手界各章:oracle 模型、成功概率和查询复杂度。
[2] Robert Beals 等,Quantum Lower Bounds by Polynomials,Journal of the ACM 48(4),2001,778–797:接受概率的次数界与多项式下界方法。