BQP (complessità)

La presunta relazione di BQP con gli spazi di altri problemi.[1]

Nella teoria della complessità computazionale, BQP (Bounded-error Quantum Polynomial-time, "tempo polinomiale quantistico con errore limitato") è una classe di complessità a cui appartengono quei problemi che richiedono un tempo polinomiale da parte di un computer quantistico per avere una soluzione corretta con probabilità maggiore o uguale a 2/3 e quindi, corrispondentemente, con una probabilità di errore minore o uguale a 1/3. È l'analogo quantistico della classe BPP.

In altre parole, c'è un algoritmo per un computer quantistico (un algoritmo quantistico) che risolve il problema decisionale con un'alta probabilità ed è garantito che si esegue in tempo polinomiale. In qualsiasi esecuzione data dell'algoritmo, ha una probabilità al massimo di 1/3 di dare la risposta sbagliata.

Similmente ad altre classi probabilistiche con "errore limitato" la scelta di 1/3 nella definizione è arbitraria. Possiamo eseguire l'algoritmo un numero costante di volte e decidere con un voto a maggioranza di assumere qualsiasi probabilità di correttezza desiderata minore di 1, usando la disuguaglianza di Chernoff. L'analisi dettagliata mostra che la classe di complessità è invariata consentendo un errore elevato fino a 1/2 − nc da un lato, o richiedendo un errore piccolo fino a 2nc dall'altro, dove c è una qualsiasi costante positiva, ed n è la lunghezza dell'input.

Definizione

BQP può essere vista anche come una famiglia uniforme di circuiti quantistici con errore limitato. Un linguaggio L è in BQP se e solo se esiste una famiglia uniforme in tempo polinomiale di circuiti quantistici { Q n : n N } {\displaystyle \{Q_{n}:n\in \mathbb {N} \}} , tale che

  • Per tutti gli n N {\displaystyle n\in \mathbb {N} } , Qn impiega n qubit come input ed emette 1 bit come output
  • Per tutti gli x in L, P r ( Q | x | ( x ) = 1 ) 2 3 {\displaystyle \mathrm {Pr} (Q_{|x|}(x)=1)\geq {\tfrac {2}{3}}}
  • Per tutti gli x not in L, P r ( Q | x | ( x ) = 0 ) 2 3 {\displaystyle \mathrm {Pr} (Q_{|x|}(x)=0)\geq {\tfrac {2}{3}}}

Computazione quantistica

Il numero di qubit nel computer può essere una funzione polinomiale della dimensione dell'istanza. Ad esempio, è noto che alcuni algoritmi fattorizzano un intero di n bit usando poco più di 2n qubit (algoritmo di Shor).

Solitamente, la computazione su un computer quantistico finisce con una misurazione. Questo conduce a un collasso dello stato quantistico a uno degli stati fondamentali. Si può dire che si misura che lo stato quantico è nello stato corretto con un'alta probabilità.

I computer quantistici hanno ottenuto interesse diffuso perché è noto che alcuni problemi di interesse pratico sono in BQP, ma si sospetta che siano fuori da P. Alcuni esempi rilevanti sono:

  • Fattorizzazione degli interi (vedi l'algoritmo di Shor)[2]
  • Logaritmo discreto[2]
  • Simulazione di sistemi quantistici (vedi simulatore universale quantico)
  • Calcolo del polinomio di Jones in certe radici unitarie

Relazione con altre classi di complessità

Questa classe è definita per un computer quantistico e la sua classe corrispondente naturale per un computer ordinario (o una macchina di Turing più una sorgente di casualità) è BPP. Proprio come P e BPP, BQP è di per sé bassa, il che significa BQPBQP = BQP. Informalmente, questo è vero perché gli algoritmi in tempo polinomiale sono chiusi nell'ambito della composizione. Se un algoritmo in tempo polinomiale richiama polinomialmente come subroutine molti algoritmi in tempo polinomiale, l'algoritmo risultante è ancora in tempo polinomiale.

BQP contiene P e BPP ed è contenuta in AWPP,[3] PP[4] e PSPACE.[5] Infatti, BQP è bassa per PP, vale a dire che una macchina PP non consegue nessun beneficio dall'essere in grado di risolvere istantaneamente problemi BQP, un'indicazione della possibile differenza di potenza tra queste classi similari.

P B P P B Q P A W P P P P P S P A C E {\displaystyle \mathbf {P} \subseteq \mathbf {BPP} \subseteq \mathbf {BQP} \subseteq \mathbf {AWPP} \subseteq \mathbf {PP} \subseteq \mathbf {PSPACE} }

Poiché il problema di P ≟ PSPACE non è ancora stato risolto, si suppone che la prova della disuguaglianza tra BQP e le classi menzionate sopra sia difficile.[5] La relazione tra BQP e NP non è conosciuta.

Aggiungere la post-selezione a BQP dà come risultato la classe di complessità PostBQP che è uguale a PP.[6][7]

Note

  1. ^ Michael Nielsen e Isaac Chuang (2000). Quantum Computation and Quantum Information. Cambridge, Cambridge University Press. ISBN 0-521-63503-9.
  2. ^ a b arXiv:quant-ph/9508027v2 Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer, Peter W. Shor
  3. ^ Lance Fortnow e John Rogers, Complexity limitations on Quantum computation (PDF), in J. Comput. Syst. Sci., vol. 59, n. 2, Boston, MA, Academic Press, 1999, 240–252, DOI:10.1006/jcss.1999.1651, ISSN 0022-0000 (WC · ACNP).
  4. ^ L. Adleman, J. DeMarrais e M.-D. Huang. "Quantum computability". SIAM J. Comput., 26(5):1524–1540, 1997.
  5. ^ a b Bernstein and Vazirani, Quantum complexity theory, SIAM Journal on Computing, 26(5):1411-1473, 1997. [1]
  6. ^ Scott Aaronson, Quantum computing, postselection, and probabilistic polynomial-time, in Proceedings of the Royal Society A, vol. 461, n. 2063, 2005, 3473–3482, DOI:10.1098/rspa.2005.1546. Prestampa disponibile su [2]
  7. ^ Scott Aaronson, Complexity Class of the Week: PP, su Computational Complexity Weblog, 11 gennaio 2004. URL consultato il 2 maggio 2008.
  Portale Informatica
  Portale Matematica