论文笔记：Sublinear-Time Quantum Computation of the Diameter in CONGEST Networks

一 论文简介

François Le Gall and Frédéric Magniez.
Sublinear-Time Quantum Computation of the Diameter in CONGEST Networks.
Proceedings of the 37th ACM Symposium on Principles of Distributed Computing (PODC 2018), pp. 337-346, 2018.
Also accepted as a contributed talk at QIP’19.

主要结果：在CONGEST模型下，对精确计算直径（Diameter ）问题提出了一个$\tilde{O}(\sqrt{nD})$轮的量子分布式算法，其中$D$表示直径；同时，本文也证明了轮数复杂性的下界$\tilde{\Omega }(\sqrt{n})$。若限制每个节点存储的量子比特为$poly(\log n)$，轮数复杂性的下界为$\tilde{\Omega }(\sqrt{nD})$。

定理1 存在一个$\tilde{O}(\sqrt{nD})$轮的量子分布式算法能以$1-1/poly(n)$的概率计算出网络的直径，其中每个节点存储$O((\log n{)}^2)$个量子比特，其中$n$表示节点个数，$D$表示网络直径。

二 主要技巧

2.1 通用量子搜索

问题：在元素集合$X$中找到一个标记元素$x\in M$，其中未知集合$M\subseteq X$。
框架：

1. 初始化：创建一个初态$|0{⟩}_I|init⟩$，其中，$|\cdot {⟩}_I$将用于编码我们需要搜索的元素，$|init⟩$包含一些预先计算好的信息。
2. 设定：从初态出发，生成叠加态
   $$|0{⟩}_I|init⟩\mapsto \sum _{x\in X}{\alpha }_x|x{⟩}_I|data(x)⟩|init⟩$$
   其中$data(x)$表示依赖于$x$的一些信息。
3. 检查：执行变换
   $$|x,0{⟩}_I|data(x)⟩|init⟩\mapsto |x,b_x{⟩}_I|data(x)⟩|init⟩$$
   如果$x\in M$，$b_x=1$；否则，$b_x=0$。

2.2 分布式量子优化

问题：找到使得$f(x)$取到最大值的自变量$x$。
框架：

1. 初始化：创建一个初态$|0{⟩}_I|init⟩$，其中，$|\cdot {⟩}_I$将用于编码我们需要搜索的元素，$|init⟩$包含一些预先计算好的信息。
2. 设定：从初态出发，生成叠加态
   $$|0{⟩}_I|init⟩\mapsto \sum _{x\in X}{\alpha }_x|x{⟩}_I|data(x)⟩|init⟩$$
   其中$data(x)$表示依赖于$x$的一些信息。
3. 计算：执行变换
   $$|x,0{⟩}_I|data(x)⟩|init⟩\mapsto |x,f(x){⟩}_I|data(x)⟩|init⟩$$
   其中，$f:X\to \mathbb{Z}$是我们想要最大化的函数。