Lov{\'a}sz Local Lemma (LLL) is a very powerful tool in combinatorics and probability theory to show the possibility of avoiding all "bad" events under some "weakly dependent" condition. Over the last decades, the algorithmic aspect of LLL has also attracted lots of attention in theoretical computer science ~\cite{moser2010constructive,kolipaka2011moser,harvey2015algorithmic}. A tight criterion under which the \emph{abstract} version LLL (ALLL) holds was given by Shearer ~\cite{shearer1985problem}. It turns out that Shearer's bound is generally not tight for \emph{variable} version LLL (VLLL)~\cite{he2017variable}. Recently, Ambainis et al. \cite{ambainis2012quantum} introduced a quantum version LLL (QLLL), which was then shown to be powerful for quantum satisfiability problem. In this paper, we prove that Shearer's bound is tight for QLLL, i.e., the relative dimension of the smallest satisfying subspace is completely characterized by the independent set polynomial, affirming a conjecture proposed by Sattath et al.~\cite{pnas,Morampudi2018Many}. Our result also shows the tightness of Gily{\'e}n and Sattath's algorithm \cite{gilyen2016preparing}, and implies that the lattice gas partition function fully characterizes quantum satisfiability for almost all Hamiltonians with large enough qudits~\cite{pnas}. Commuting LLL (CLLL), LLL for commuting local Hamiltonians which are widely studied in the literature, is also investigated here. We prove that the tight regions of CLLL and QLLL are different in general. Thus, the efficient region of algorithms for CLLL can go beyond Shearer's bound. In applications of LLLs, the symmetric cases are most common, i.e., the events are with the same probability ~\cite{gebauer2016local,gebauer2009lovasz} and the Hamiltonians are with the same relative dimension ~\cite{ambainis2012quantum,pnas}. [See pdf file for full abstract]


翻译:本地 Lemma (LLLL) 是一个非常强大的工具, 包括 complatoric (ALL) 和 概率理论, 以显示在某种“ 微软依赖” 状态下避免所有“ 坏” 事件的可能性。 在过去几十年里, LLL的算法方面也吸引了理论计算机科学中的很多关注 {cite{moser2010 compride,kolipakaka2011moser, harvite2015algorimic} 。 一个非常严格的标准, 根据这个标准, cemph{attretr} 版本(ALL) 广泛持有 。 shearliterlical (AL) 的 亮度(ALL) 亮度(ALL) 亮度(ALLL), 亮度( ) 亮度的亮度( QLL) 的亮度( QLLL) 和 直径直径( Q) 的亮度( 亮度 ) 的亮度 。 在本文中, 我们的直径解 显示, 直径Lalalalalalalalalal 的亮度 的亮度( smartal) 的亮度( ) 直的亮度(S) 直) 等) 度(Sal) 等(S) 直) 直值) 。

0
下载
关闭预览

相关内容

PNAS是《美国科学院院报》(Proceedings of the National Academy of Sciences of the United States of America, 缩写。它是美国国家科学院的院刊,亦是公认的世界四大名刊(Cell,Nature,Science,PNAS)之一,百年经典期刊。自1914年创刊至今,PNAS提供具有高水平的前沿研究报告、学术评论、学科回顾及前瞻、学术论文以及美国国家科学学会学术动态的报道和出版。PNAS收录的文献涵盖医学、化学、生物、物理、大气科学、生态学和社会科学,最新发布的影响因子为9.661(2016),特征因子(Eigenfactor) 为1.23581(2016) 。
专知会员服务
61+阅读 · 2020年3月4日
Diganta Misra等人提出新激活函数Mish,在一些任务上超越RuLU
专知会员服务
14+阅读 · 2019年10月15日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2019年12月2日
Arxiv
3+阅读 · 2019年10月31日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
4+阅读 · 2018年4月30日
VIP会员
相关VIP内容
专知会员服务
61+阅读 · 2020年3月4日
Diganta Misra等人提出新激活函数Mish,在一些任务上超越RuLU
专知会员服务
14+阅读 · 2019年10月15日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员