Algorithm 版 (精华区)

发信人: ssos (存在与虚无·守拙), 信区: Algorithm
标  题: Why Haven't More Quantum Algorithms Been Found?
发信站: 哈工大紫丁香 (2003年07月27日11:17:01 星期天), 站内信件

Why Haven't More Quantum Algorithms Been Found?

PETER W. SHOR
AT&T Labs---Research, Florham Park, New Jersey

Abstract.

I examine the question of why so few classes of quantum algorithms
have been discovered.  I give two possible explanations for this, and
some thoughts about what lines of research might lead to the discovery
of more quantum algorithms.


My discovery of the quantum factoring algorithm in 1994 caused great
excitement among theoretical computer scientists. Quantum computers
provided a completely new paradigm for the theory of computation, and
this was the first time it had been shown that quantum computation
could efficiently solve a problem that had already been established as
important in this field. Many people expected a succession of other
interesting algorithms to follow. The reality has been disappointing,
especially compared with the progress of the rest of the field of
quantum information processing. Experimental physicists have been
proposing and exploring possible physical implementations of quantum
computers at a pace far beyond what anybody but the most optimistic
researchers originally expected. Quantum cryptography is coming of
age, with several theoretical proofs of its security recently
discovered, and with commercial quantum cryptography systems expected
in the next year or so. The fields of quantum information theory and
quantum complexity have been expanding dramatically, with a number of
new interesting and important theoretical results. Meanwhile, the
development of algorithms has lagged behind, with barely any
significant new algorithms having been discovered in the last five
years.

So far, all the quantum algorithms known to offer substantial speedup
over classical algorithms for the same problems fall into one of three
classes. The first class uses the Fourier transform to find
periodicity. This class contains the factoring and discrete logarithm
algorithms [Shor 1997], Simon's algorithm [Simon 1997] (the first
member of this class to be discovered), and Hallgren's algorithms for
Pell's equation and certain other number theory problems [Hallgren
2002]. There is, in fact a different way of looking at the factoring
algorithm that, although it yields basically the same algorithm, puts
it into a setting that emphasizes spectral methods rather than
periodicity [Kitaev 1996], but this approach has not yet yielded any
new algorithms. The second class contains Grover's search algorithm,
which can perform an exhaustive search of N items in \sqrt{N} time
[Grover 1997], and a number of extensions of this algorithm (see
Grover and Sengupta [2002]). These extensions all have the general
flavor of giving a square root improvement in the speed of
optimization or search problems. The third class consists of
algorithms for simulating or solving problems in quantum physics. This
class contains Feynman's original idea [Feynman 1982] of using quantum
computers to speed up simulations of quantum physics. While not many
theoretical papers have yet been written on this class of algorithms,
it is clear that if quantum computers are ever developed, this class
will be extremely useful in practice. Feynman came up with his idea of
using quantum computers to simulate quantum physics in 1982, Simon's
algorithm and the factoring algorithm were developed in 1993 and 1994,
and Grover came up with his original search algorithm in 1995. Since
then, there have been further theoretical developments within each of
these classes of algorithms, but no new classes of quantum algorithms
have been discovered.

As the discoverer of the quantum factoring algorithm, one of the
questions I am often asked is why there are so few quantum algorithms
known that offer speedup over classical algorithms. The answer I
usually give is that I don't know, but that I can think of two
possible reasons that this might be the case. The first possible
reason is that quantum computers operate in a manner so different from
classical computers that our techniques for designing algorithms and
our intuitions for understanding the process of computation no longer
work. The second reason is that there really might be relatively few
problems for which quantum computers can offer a substantial speedup
over classical computers, and we may have already discovered many or
all of the important techniques for constructing quantum
algorithms. This article contains an expansion of these thoughts.

Both of these explanations address the question of why we haven't seen
more speedups from quantum algorithms, and I believe both of these
explanations are likely to be true to a greater or lesser extent. It
is certainly true that quan tum computers are very difficult to
reason about using classical intuition. Physi cists have spent
decades developing their intuitions about quantum phenomena, and many
of the techniques they use came decades after the original develop
ment of quantum mechanics. Computer scientists, on the other hand,
have been thinking about quantum mechanics for barely a decade. Any
quantum algorithm offering a speedup over classical computation must
use interference; this phe nomenon is unknown in classical computer
science, and most theoretical com puter scientists are not used to
reasoning about it. Thus, it seems quite likely that several new and
significant quantum algorithmic techniques have yet to be discovered.

On the other hand, much of the research into new quantum computer
algorithms has been spent looking for superpolynomial speedups. While
these do not occur in Grover's algorithm and its extensions, they can
occur in the classes of quantum algorithms that use periodicity
finding and that simulate quantum physics.  Superpolynomial speedups
cannot arise from problems that have polynomialtime classical
algorithms, so researchers have been concentrating on problems that
are not in the classical computational class P. The first class of
problems not in P that come to mind are the NPcomplete ones. A
quantum algorithm solving NPcomplete problems in polynomial time
would be a momentous discovery, but I believe that the most likely
scenario is that this is not possible. It has been proved that there
is an oracle, relative to which NPcomplete problems cannot be solved
in polynomial time [Bennett et al. 1997], and while there are fewer
reasons supporting the belief that quantum computers cannot solve
NPcomplete problems than there are supporting the nearly universal
belief that classical computers cannot solve them, many researchers
are still pessimistic that quantum computers can solve NPcomplete
problems.

If weassume that NPcompleteproblems are not solvable efficiently on a
quantum computer, then in order to achieve a superpolynomial speedup,
we must look within the class of problems which are neither NPhard
nor in P. There are only a relatively small number of wellstudied
problems that are suspected to be in this class. No general theory is
known for these problems, and relatively few of them are known to be
reducible to each other, so they all must be considered
individually. It may be that many of these problems do not indeed have
polynomialtime algorithms on quantum computers. People have to date
concentrated their efforts on those problems that appear to have
structure related to periodicity, thus providing a possible means of
attack. These include the problems of graph isomorphism and that of
approximating short vectors in a lattice. Neither of these problems
has yet yielded to a quan tum attack.

Part of the expectations for the discovery of many quantum speedups
may be due to analogies with the history of classical
computation. After the identification of NPcompleteness [Cook 1971,
Karp 1972, Levin 1973], there followed a plethora of papers
classifying problems either as polynomial time (giving efficient
algorithms) or as NPhard. This may have raised our expectations too
high, as the success of this classification effort has now left
relatively few wellstudied problems that are not known to be in one
of these two classes. By searching for superpolynomial speed-ups, we
may also be attempting too difficult a task. By contrast with
researchers in quantum computing, researchers in classical algorithms
spend their time not only trying to put more problems into the class
P, but also trying to discover faster algorithms for problems that are
already known to be in P. By trying to discover new ways of solving
problems already known to be in P, researchers have often been able to
find new and fruitful techniques, which then can be used to help solve
other problems, sometimes including ways of efficiently solving
problems not known to be in P.

One research area that might be worth exploring is to try to find
faster quantum algorithms for problems already known to be classically
solvable in polynomial time. This approach is limited to providing
polynomial factor speedups.  While this is certainly less exciting
than finding superpolynomial speedups, and is also less likely to
yield practical results---since quantum computers are likely to be
slower than classical computers---it could nevertheless yield new
techniques for designing quantum algorithms. At this point, my belief
is that any new techniques have the potential to be of great value in
further exploration of quantum algorithms, and, if this avenue can
help discover such new techniques, it should be pursued.

REFERENCES

BENNETT, C. H., BERNSTEIN, E., BRASSARD, G., AND VAZIRANI,
U. V. 1997. Strengths and weaknesses of quantum computing. SIAM
J. Comput. 26, 1510--1523.

COOK, S. 1971. The complexity of theorem proving procedures. In
Proceedings of the 3rd Annual ACM

Symposium on Theory of Computing. ACM, New York, 151--158.

FEYNMAN, R. 1982. Simulating physics with
computers. Internat. J. Theoret. Phys. 21, 467-- 488.

GROVER, L. K. 1997. Quantum mechanics helps in searching for a needle
in a haystack. Phys. Rev. Lett. 78, 325--328.

GROVER,L .K.,AND SENGUPTA, A. M. 2002. From coupled pendulums to
quantum search. In Mathe matics of Quantum Computation,
R. K. Brylinski and G. Chen, Eds. Chapman & Hall/CRC, Boca Raton, FL,
119--134.

HALLGREN, S. 2002. Polynomialtime quantum algorithms for Pell's
equation and the principal ideal problem. In Proceedings of the 34th
Annual ACM Symposium on Theory of Computing. ACM, NewYork, 653--658.

KARP, R. 1972. Reducibility among combinatorial problems. In
Complexity of Computer Computations,

R. Miller and J. Thatcher, Eds. Plenum, New York, 85--103.

KITAEV,A .YU. 1996. Quantum measurements and the Abelian stabilizer
problem. ECCC Report TR96003. Los Alamos archive, eprint
quantph/9511026.

LEVIN, L. 1973. Universal search problems (in
Russian). Prob. Pered. Inf. 9, 3, 265--266.

SHOR, P. W. 1997. Polynomialtime algorithms for prime factorization
and discrete logarithms on a quantum computer. SIAM J. Comput. 26,
1484--1509.

SIMON, D. R. 1997. On the power of quantum computation. SIAM
J. Comput. 26, 1474--1483. 
--

   
<<社会契约论>>是一本好书,应当多读几遍
风味的肘子味道不错,我还想再吃它      

※ 来源:·哈工大紫丁香 bbs.hit.edu.cn·[FROM: 202.118.230.220]