The query model has generated considerable interest in both classical and quantum computing communities. Typically, quantum advantages are demonstrated by showcasing a quantum algorithm with a better query complexity compared to its classical counterpart. Exact quantum query algorithms play a pivotal role in developing quantum algorithms. For example, the Deutsch-Jozsa algorithm demonstrated exponential quantum advantages over classical deterministic algorithms. As an important complexity measure, exact quantum query complexity describes the minimum number of queries required to solve a specific problem exactly using a quantum algorithm. In this paper, we consider the exact quantum query complexity of the following two $n$-bit symmetric functions $\text{MOD}_m^n:\{0,1\}^n \rightarrow \{0,...,m-1\}$ and $\text{EXACT}_{k,l}^n:\{0,1\}^n \rightarrow \{0,1\}$, which are defined as $\text{MOD}_m^n(x) = |x| \bmod m$ and $ \text{EXACT}_{k,l}^n(x) = 1$ iff $|x| \in \{k,l\}$, where $|x|$ is the number of $1$'s in $x$. Our results are as follows: i) We present an optimal quantum algorithm for computing $\text{MOD}_m^n$, achieving a query complexity of $\lceil n(1-\frac{1}{m}) \rceil$ for $1 < m \le n$. This settles a conjecture proposed by Cornelissen, Mande, Ozols and de Wolf (2021). Based on this algorithm, we show the exact quantum query complexity of a broad class of symmetric functions that map $\{0,1\}^n$ to a finite set $X$ is less than $n$. ii) When $l-k \ge 2$, we give an optimal exact quantum query algorithm to compute $\text{EXACT}_{k,l}^n$ for the case $k=0$ or $k=1,l=n-1$. This resolves the conjecture proposed by Ambainis, Iraids and Nagaj (2017) partially.


翻译:在经典和量子计算领域,查询模型引起了相当大的兴趣。通常展示量子算法与经典算法相比具有更好的查询复杂度,从而证明量子算法的优势。精确量子查询算法在发展量子算法时起着关键作用。例如,Deutsch-Jozsa 算法展示了比经典确定性算法更高的指数型量子优势。作为一个重要的复杂度度量,精确量子查询复杂度描述了使用量子算法精确解决特定问题所需的最小查询次数。本文考虑两个 $n$ 位对称函数 $\text{MOD}_m^n: \{0,1\}^n \rightarrow \{0,...,m-1\}$ 和 $\text{EXACT}_{k,l}^n: \{0,1\}^n \rightarrow \{0,1\}$ 的精确量子查询复杂度,其中 $\text{MOD}_m^n(x) = |x| \bmod m$,$ \text{EXACT}_{k,l}^n(x) = 1$ 当且仅当 $|x| \in \{k,l\}$,其中 $|x|$ 为 $x$ 中 $1$ 的数量。我们的结果如下:i)我们提出了一个用于计算 $\text{MOD}_m^n$ 的最优量子算法,对于 $1 < m \le n$,查询复杂度为 $\lceil n(1-\frac{1}{m}) \rceil$。这解决了 Cornelissen,Mande,Ozols 和 de Wolf (2021) 提出的一个猜想。基于该算法,我们证明了将 $\{0,1\}^n$ 映射到有限集 $X$ 的广泛类对称函数的精确量子查询复杂度小于 $n$。ii)当 $l-k \ge 2$ 时,对于 $k=0$ 或 $k=1,l=n-1$ 的情况,我们给出了计算 $\text{EXACT}_{k,l}^n$ 的最优精确量子查询算法。这部分地解决了 Ambainis,Iraids 和 Nagaj (2017)提出的猜想。

0
下载
关闭预览

相关内容

【NeurIPS2022】GENIE:高阶去噪扩散求解器
专知会员服务
17+阅读 · 2022年11月13日
专知会员服务
25+阅读 · 2021年4月2日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
一文汇总超参自动优化方法
极市平台
0+阅读 · 2022年11月3日
【ACL2020放榜!】事件抽取、关系抽取、NER、Few-Shot 相关论文整理
深度学习自然语言处理
18+阅读 · 2020年5月22日
量化金融强化学习论文集合
专知
13+阅读 · 2019年12月18日
已删除
将门创投
11+阅读 · 2019年8月13日
异常检测论文大列表:方法、应用、综述
专知
126+阅读 · 2019年7月15日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
论文浅尝 | Know-Evolve: Deep Temporal Reasoning for Dynamic KG
开放知识图谱
36+阅读 · 2018年3月30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】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月11日
Arxiv
0+阅读 · 2023年5月11日
Arxiv
0+阅读 · 2023年5月11日
VIP会员
相关资讯
一文汇总超参自动优化方法
极市平台
0+阅读 · 2022年11月3日
【ACL2020放榜!】事件抽取、关系抽取、NER、Few-Shot 相关论文整理
深度学习自然语言处理
18+阅读 · 2020年5月22日
量化金融强化学习论文集合
专知
13+阅读 · 2019年12月18日
已删除
将门创投
11+阅读 · 2019年8月13日
异常检测论文大列表:方法、应用、综述
专知
126+阅读 · 2019年7月15日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
论文浅尝 | Know-Evolve: Deep Temporal Reasoning for Dynamic KG
开放知识图谱
36+阅读 · 2018年3月30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】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员