การแจกแจงความน่าจะเป็นเชิงลึกที่ถูกผูกไว้


20

คำถามที่เกี่ยวข้องสองข้อเกี่ยวกับการคำนวณเชิงลึกแบบมีขอบเขต:

1) สมมติว่าคุณเริ่มต้นด้วย n bits และเริ่มต้นด้วย bit i สามารถเป็น 0 หรือ 1 ที่มีความน่าจะเป็น p (i) โดยอิสระ (ถ้าทำให้ปัญหาง่ายขึ้นเราสามารถสันนิษฐานได้ว่า p (i) s ทั้งหมดคือ 0,1 หรือ 1/2หรือแม้แต่ทั้งหมดก็ 1/2)

ตอนนี้คุณทำการคำนวณรอบที่ จำกัด ในแต่ละรอบคุณใช้ประตูคลาสสิกย้อนกลับในชุดบิตที่ไม่ปะติดปะต่อ (แก้ไขชุดประตูย้อนกลับคลาสสิคคลาสสิกที่คุณชื่นชอบ)

ในตอนท้ายคุณจะได้รับการแจกแจงความน่าจะเป็นในสตริงที่ n บิต มีผลต่อการ จำกัด การแจกแจงดังกล่าวหรือไม่?

ฉันกำลังมองหาบางสิ่งที่คล้ายคลึงกับ Hastad switch lemme, Boppana ทำให้ผลลัพธ์ทั้งหมดมีอิทธิพลน้อยหรือทฤษฎี LMN

2) คำถามเดียวกันกับ 1) แต่มีวงจรควอนตัมเชิงลึกที่มีขอบเขต จำกัด


4
ฉันอาจจะหายไปบางอย่าง แต่คำถามที่ 1 ที่มีเท่ากับเล็กน้อยหรือไม่? คุณเริ่มต้นด้วยการแจกแจงแบบสม่ำเสมอบนซึ่งไม่แปรเปลี่ยนภายใต้ bijections 1 / 2 { 0 , 1 } np(i)1/2{0,1}n
Klaus Draeger

การเปลี่ยนแปลงปัญหาของคุณมีประโยชน์หรือไม่ เปลี่ยนใส่ของคุณ (เวกเตอร์ ) กับเวกเตอร์มีความยาวเป็นตัวแทนกระจายความน่าจะมากกว่าสตริงไบนารีของความยาวnตอนนี้การคำนวณใด ๆ ที่เป็นเมทริกซ์สุ่มตารางทำหน้าที่เกี่ยวกับ (พูด) ซ้ายในการผลิตการกระจายการส่งออกมากกว่าสตริงของความยาวnWLOG เราอาจสมมติว่ารายการทั้งหมดเป็นเลขฐานสอง คำถามเดียวคืออะไรคือคลาสของเมทริกซ์สโทแคสติกที่สามารถสร้างผ่านจำนวนเมทริกซ์การคูณเมทริกซ์ของเมทริกซ์พื้นฐานของเรา (ประตูย้อนกลับ) 2 n n np0,p1,2nnn
usul

ขออภัยฉันควรจะแม่นยำมากขึ้น โดยพื้นฐานเมทริกซ์ที่นี่ฉันหมายถึงไม่ใช่ประตูย้อนกลับ แต่เป็นชุดของประตูย้อนกลับบางชุดที่ทำหน้าที่ขนาน
usul

คำตอบทั้งคู่สมควรได้รับความโปรดปรานฉันจะเห็นสิ่งที่ฉันสามารถทำได้
Gil Kalai

คุณหมายถึงอะไรโดย "disjoint sets" ของบิต?
vzn

คำตอบ:


14

มีเอกสารที่ค่อนข้างล่าสุดโดย Emanuele Viola และคณะซึ่งจัดการกับความซับซ้อนของการสุ่มตัวอย่างการแจกแจง พวกเขามุ่งเน้นไปที่รูปแบบที่ จำกัด ของการคำนวณเช่นต้นไม้ตัดสินใจเชิงลึกที่มีขอบเขตหรือวงจรเชิงลึกที่มีขอบเขต

น่าเสียดายที่พวกเขาไม่ได้พูดถึงประตูย้อนกลับ ในทางตรงกันข้ามมักจะสูญเสียความยาวของเอาต์พุต อย่างไรก็ตามเอกสารเหล่านี้อาจเป็นจุดเริ่มต้นที่ดี

วงจรที่ถูกจำกัดความลึกไม่สามารถสุ่มตัวอย่างรหัสที่ดีได้

ความซับซ้อนของการแจกแจง


ขอบคุณมาก Massimo! มันดูมีความเกี่ยวข้องมาก
Gil Kalai

(และฉันก็สนใจในกรณีที่ไม่สามารถย้อนกลับได้)
Gil Kalai

12

คำตอบสั้น ๆ

สำหรับวงจรควอนตัมมีอย่างน้อยหนึ่งผลที่ไม่จำกัด : วงจรควอนตัมเชิงลึกที่มีขอบเขต จำกัด ไม่น่าจะสามารถจำลองได้พร้อมกับข้อผิดพลาดเล็ก ๆ หลายค่าในความน่าจะเป็นของผลลัพธ์แม้สำหรับวงจรคลาสสิกพหุนาม

QNC0

รายละเอียด

เราอาจพิจารณาคำจำกัดความของวงจรควอนตัมเชิงลึกเชิง polylog ที่กำหนดโดยFenner และคณะ (2005) :

QNCk p C n n p ( n ) O ( บันทึกk ( n ) ){Cn}n0pCnnp(n)O(logk(n))

ประตูควิบิตเดียวจะต้องมาจากชุด จำกัด แน่นอนแม้ว่าสิ่งนี้เพียงพอที่จะจำลองการรวมกันคงที่ใด ๆ ในจำนวนคงที่ของ qubits เพื่อความแม่นยำคงที่ใด ๆ นอกจากนี้เรายังอนุญาตให้เซตย่อยใด ๆ ของ qubits ในตอนท้ายของวงจรเพื่อใช้แทนการส่งออกของตระกูลวงจร (เช่น qubit เดียวสำหรับฟังก์ชันบูลีน)

Bremner, Jozsa และ Sheppard (2010) note (ดูหัวข้อที่ 4) ว่าโดยใช้การดัดแปลงของเทคนิคการเคลื่อนย้ายมวลสารเนื่องจากTerhal และ DiVincenzo (2004)โพสต์ - คัดเลือกบาง qubits ในวงจรทำให้มันเป็นไปได้ที่จะตัดสินใจปัญหาในการPP} โดยใช้ผลของพวกเขาในการจำลองวงจร postselected นี้แสดงให้เห็นว่าปัญหาของคลาสสิกการสุ่มตัวอย่างจากการกระจายการส่งออกของพลวงจรที่มีเอาท์พุทบูลที่มีข้อผิดพลาดการคูณที่มากที่สุดน่าจะสุ่มตัวอย่างที่อยู่ใน เป็นไปไม่ได้กับวงจรความลึกแบบพหุนามแบบสุ่มยกเว้นว่าลำดับชั้นพหุนามลดลงบางส่วน (โดยเฉพาะ P o s T B Q P = P P Q N C 0 QNC0PostBQP=PPQNC0 PHΔ32PHΔ3 )


1
เรียนนีแอลน่าสนใจมาก! ขอบคุณ! ฉันสนใจเป็นพิเศษในการแจกแจง คุณช่วยอธิบายได้ไหมว่าทำไม "สิ่งนี้แน่นอนไม่ได้บอกคุณ ... "?
Gil Kalai

1
ผลคงปัจจัย inapproximability ถือผ่านPostQNC⁰ = PostBQP = PP Postselection ถูกใช้ที่นี่เพื่อ "บังคับความสำเร็จ" ของสายยาวของการส่งผ่านทางไกลเพื่อจำลองการกระจายควอนตัมเชิงลึกผ่านการกระจายเชิงลึกควอนตัมที่คงที่ในกรณีที่มีความน่าจะเป็นต่ำมาก แต่ไม่เป็นศูนย์ ปัจจัยคงที่ของการประมาณค่าคงที่เช่นกันสำหรับวงจรความลึกโพลี แต่สิ่งนี้ไม่ได้บอกคุณเช่นขอบเขตบนของจำนวนแอมพลิจูดในเงื่อนไขสัมบูรณ์ (และซีมโทติค) ที่เข้มข้น (หรืออาจถูกฉายลงบน) พื้นที่ย่อยใด ๆ
Niel de Beaudrap
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.