Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Meklēšanas algoritmi,
izmantojot kvantu klejošanu
2012.gada 10.maijā
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
A.Ambainis, A.Bačkurs, N.Nahimovs, R.Ozols, A.Rivošs
Gadījumu klejošana (pavisam īss ieskats)
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Gadījuma klejošana taisnē
Klasiskā gadījumu klejošana taisnē
Sākam punktā x=0
Katrā solī:
ar varbūtību 1/2 – pārvietojamies pa labi *)
ar varbūtību 1/2 – pārvietosimies pa kreisi
0
x
1 -1 n -n ... ...
½ ½
*) Laiks un telpa – diskrētie
0
x
1 -1 n -n ... ...
½ ½
x
t
Gadījuma klejošanas piemērs
Gadījuma klejošana taisnē
0
x
1 -1 n -n ... ...
½ ½
0,00
0,05
0,10
0,15
0,20
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9
Varbūtība atrasties noteiktajā pozīcijā
Gadījuma klejošana taisnē
0
x
1 -1 n -n ... ...
½ ½
Varbūtība atrasties pozīcijā i pēc T soļiem, veicot gadījuma
klejošanu uz taisnes (ja sākam pozīcijā 0).
Gadījuma klejošana taisnē
Kvantu klejošana
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Vēsture
Y. Aharonov, L. Davidovich and N. Zagury
“Quantum random walks”
Phys. Rev. A, 48(2):1687–1690, 1993
D.Aharonov, A.Ambainis, J.Kempe, U.Vazirani.
“Quantum walks on graphs”. ACM, 2001.
arXiv:qunat-ph/0012090
J.Kempe. “Quantum walks on graphs”. 2003.
“Quantum random walks - an introductory overview”
Definējam kvantu klejošanu vienā dimensijā
11 ncnbnan
|a| = 1, b = c = 0;
|b| = 1, a = c = 0;
|c| = 1, a = b = 0;
Tikai triviālas unitāras
transformācijas
a c
b
1 n2
“Monētas mešanas” transformācija C
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
C
1 n2
left
right
2
1
2
12
1
2
1
Hdc
ba
dc
baunitāra matrica
Hadamard transformācija Piemēram:
Nobīdes transformācija S
leftnleftnS ,1,
rightnrightnS ,1,
S
unitāra transformācija
1 n2
left
right
Nobīdes transformācija S
leftnileftiS ,mod)1(,
rightnirightiS ,mod)1(,
S
unitāra transformācija
0 1n1
left
right
i
Definējam kvantu klejošanu uz taisnes
leftnleftnS ,1,
rightnrightnS ,1,
S
1 n2
left
right
2
1
2
12
1
2
1
Hdc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
C
1 n2
left
right
unitary matrix
“Monētas mešanas” transformācija
Nobīdes transformācija
Kvantu klejošana uz taisnes
leftnleftnS ,1,
rightnrightnS ,1,
S
left
right
2
1
2
12
1
2
1
Hdc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
C
left
right
“Monētas mešanas” transformācija:
Nobīdes transformācija: atk
ārt
ot
n0 11
n0 11
Varbūtība atrasties pozīcijā i pēc T
soļiem, veicot kvantu klejošanu uz
taisnes ar sākumstāvokli:
leftinit ,0
Šis sadalījums sāk
atšķirties no
klasiskā gadījuma
jau pie T = 3
Šī kvantu klejošana dod
asimetrisku sadalījumu
Kvantu klejošana uz taisnes
leftnleftnS ,1,
rightnrightnS ,1,
S
left
right
2
1
2
12
1
2
1
Hdc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
C
left
right
“Monētas mešanas” transformācija:
Nobīdes transformācija: atk
ārt
ot
n0 11
n0 11
Varbūtība atrasties pozīcijā i pēc 50
soļiem, veicot kvantu klejošanu uz
taisnes ar sākumstāvokli:
leftinit ,0
Sadalījums šai kvantu
klejošanai ir asimetrisks
Kvantu klejošana uz taisnes
leftnleftnS ,1,
rightnrightnS ,1,
S
left
right
2
1
2
12
1
2
1
Hdc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
C
left
right
“Monētas mešanas” transformācija:
Nobīdes transformācija: atk
ārt
ot
n0 11
n0 11
Varbūtība atrasties pozīcijā i pēc 50
soļiem, veicot kvantu klejošanu uz
taisnes ar sākumstāvokli:
leftinit ,0
Salīdzinājums ar
klasisko gadījuma
klejošanu
Šī kvantu klejošana dod
asimetrisku sadalījumu
Kvantu klejošana uz taisnes
leftnleftnS ,1,
rightnrightnS ,1,
S
left
right
1
1
2
1
i
iY
dc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
“Monētas mešanas” transformācija:
Nobīdes transformācija: atk
ārt
ot
C
left
right
n0 11
n0 11
The probability distribution obtained from a
computer simulation of the quantum walk with a
symmetric “coin flip” transformation (Y).
The number of steps in the walk was taken to be 100.
Only the probability at the even points is plotted.
… nu un?
Varbūtība atrasties i-ajā pozīcijā pēc 50
kvantu klejošanas soļiem uz taisnes
Varbūtība atrasties i-ajā pozīcijā pēc 50
klasiskās gadījumu klejošanas uz taisnes
Daži secinājumi
Grovera meklēšanas
algoritms
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Grovera meklēšanas algoritms
Vaicājuma transformācija (Q)
? xj
Q j j
(–1)
Difūzijas transformācija (D)
Nosacītais fāzes pagrieziens
D =
–1+ – 2 n – 2
n …
… – 2 n
–1+ – 2 n
QD QD … QD QD
)(O nAtkārtojam reizes
1.
2. Veicam mērījumu
Kvantu klejošana kā
meklēšanas algoritms
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Kvantu klejošana kā meklēšanas algoritms
0
x
1 -1 n -n ... ...
Ieviesīsim dažus
izņēmumu punktus
leftnleftnS ,1,
rightnrightnS ,1,
1
1
2
1
i
iY
dc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
“Monētas mešanas” transformācija:
Nobīdes transformācijas:
atk
ārt
ot
visos “neizņēmumu” punktos: visos “izņēmumu” punktos:
10
01I
dc
ba
mm
mm
Kvantu klejošana kā meklēšanas algoritms
leftnleftnS ,1,
rightnrightnS ,1,
1
1
2
1
i
iY
dc
ba
.,,,
,,,,
rightndleftncrightnC
rightnbleftnaleftnC
“Monētas mešanas” transformācija:
Nobīdes transformācija:
atk
ārt
ot
visos “neizņēmuma” punktos: visos “izņēmumu” punktos:
10
01I
dc
ba
mm
mm
C
left
right
n0 11
Grovera meklēšanas algoritms
Grovera algorimtu arī var
uzskatīt par kvantu klejošanu
n-virsotņu pilnajā grafā.
Pārejam
no taisnes uz plakni
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Gadījumu klejošana plaknē
Klasiskā gadījumu klejošana plaknē
Sākas pozīcijā (0; 0)
Ar varbūtību 1/4 seko
vienam no četriem virzieniem
Gadījumu klejošana - pielietojumi
Klasiskā gadījumu klejošana plaknē
Definējam kvantu klejošanu plaknē
N
N
Kvantu klejošana 2D: “monētas mešanas” transformācija
1111
1111
1111
1111
2
1D
“monētas mešanas” transformācija
S : yxyx ,1,
yxyx ,1,
1,, yxyx
1,, yxyx
Nobīdes transformācija
Kvantu klejošana 2D: nobīdes transformācija
Kvantu meklēšana plaknē
N
N
Kvantu meklēšana plaknē
1111
1111
1111
1111
2
1D
Pielietot difūzijas
transformāciju
neatzīmētām pozīcijām
Pielietot identitātes
transformāciju atzīmētajām
pozīcijām
1000
0100
0010
0001
I
Visās pozīcijās pielietot
nobīdes transformāciju
Atk
ārto
t O(N
) times yxyx ,1,
yxyx ,1,
1,, yxyx
1,, yxyx
Sff :
“M
on
ēta
s
mešan
as”
tra
ns
form
ācija
No
bīd
es
tra
ns
form
ācija
Skalārais reizinājums
(0, 1, … , n) – sākumstāvoklis
(0, 1, … , n) – tekošais stāvoklis
n
i
ii
0
,
overlap
-1,50E+00
-1,00E+00
-5,00E-01
0,00E+00
5,00E-01
1,00E+00
1,50E+00
1 182 363 544 725 906 1087 1268 1449 1630 1811 1992step
s
+1
-1
0
N
N
probability to measure a marked location
0,00E+00
2,00E-02
4,00E-02
6,00E-02
8,00E-02
1,00E-01
1,20E-01
1,40E-01
1,60E-01
1,80E-01
1 68 135 202 269 336 403 470 537 604 671 738 805 872 939
Grid size: 101 x 101.
Number of steps: 1000.
overlap
-1,50E+00
-1,00E+00
-5,00E-01
0,00E+00
5,00E-01
1,00E+00
1,50E+00
1 115 229 343 457 571 685 799 913
Kvantu klejošana uz plaknes: viens atrisinājums
Process ir jūtīgs pret transformāciju izvēli
Dažādas “Nobīdes” transformācijas
S move: yxyx ,1,
yxyx ,1,
1,, yxyx
1,, yxyx
yxyx ,1,
yxyx ,1,
1,, yxyx
1,, yxyx
S flipflop:
Oriģinālajam algoritmam kvantu meklēšanai plaknē bija
nepieciešama amplitūdas amplifikācija, lai atrisinājumu
atrast ar lielu varbūtību.
Mēs atklājām, ka ar lielu varbūtību tiks nomērīts stāvoklis,
kas atrodas ne vairāk kā √N attālumā no atrisinājuma,
tādēļ var iztikt bez amplitūdas amplifikācijas.
Mēs parādījām to ar skaitliskiem eksperimentiem.
Mēs to pierādījām! (arXiv: 1112.3337,
referēsim TQC 2012)
Kādu uzlabojumu mēs piedāvājam?
Priekšstatu evolūcija
“Kvantiski” meklēt atrisinājumu plaknē ir tik pat lēni kā
klasiski
Nomainot transformāciju, var atrast laikā O( N log N )
ar varbūtību O(1/log N).
Pielietojot amplitūtas amplifikāciju var atrast
atrisinājumu laikā O( N log N )
Var iztikt bez amplitūdas amplifikācijas,
t.i. atrast atrisinājumu laikā O ( N )
Kvantu klejošana kā meklēšanas algoritms
Stāvoklis klejošanas sākumā un “beigās”
Atrisinājuma apkārtne
Varbūtība nomērīt stāvoki √N attālumā no atrisinājuma
0 200 400 600 800 1000 1200 1400
0,5400000000
0,5600000000
0,5800000000
0,6000000000
0,6200000000
0,6400000000
0,6600000000
0,6800000000
0,7000000000
0,7200000000
0,7400000000
Paldies par uzmanību!
Jautājumi?
Kāpēc tas ir interesanti?
Eiropas Sociālā fonda projekts
“Datorzinātnes pielietojumi un tās saiknes ar kvantu fiziku”
Nr.2009/0216/1DP/1.1.1.2.0/09/APIA/VIAA/044
Motivācija 1: ziņas no fiziķu kaujas lauka
• O(N 2/3) quantum algorithm for element distinctness problem
• An O(N 1.3) quantum algorithm for the triangle problem
• Matrix multiplication test − O(N 5/3)
Magniez, F., Santha, M., Szegedy, M.: An O(n1.3) quantum algorithm for the
triangle problem. In: Proceedings of SODA 2005, pp. 1109–1117 (2005), SIAM J.
Comput. 37(2), 413–424 (2007)
Buhrman, H., Špalek, R.: Quantum Verification of Matrix Products. In: SODA
2006. Proceedings of 17th Annual ACM-SIAM Symposium on Discrete Algorithms,
Miami, Florida, pp. 880–889 (2006)
Ambainis, A.: Quantum walk algorithm for element distinctness.
SIAM J. Comput. 37(1), 210–239 (2007)
A. Ambainis, A. Childs, B. Reichardt, R. Špalek, S. Zhang, "Any AND-OR Formula of Size
N can be Evaluated in time n1/2+o(1) on a Quantum Computer", Proceedings of
FOCS'2007, pp. 363-372 (2007).
• NAND formula evaluation
Motivācija 2: kvantu klejošanai atradās pielietojumi!
Paldies par uzmanību!