CNOT-Distance is NP-complete under all-to-all connectivity
Dieses Paper beweist, dass die Bestimmung der minimalen Anzahl an CNOT-Gattern, die zur Implementierung einer gegebenen invertierbaren Binärmatrix unter All-to-All-Konnektivität erforderlich ist, NP-vollständig ist, indem es sowohl die exakte als auch die approximative Komplexität durch eine Reduktion vom Minimum Vertex Cover Problem etabliert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Meisterarchitekt, der eine Maschine bauen will, die ein Kartendeck neu anordnen kann, aber mit einer sehr strengen Regel: Sie können nur zwei Karten vertauschen, wenn eine von ihnen eine bestimmte „Kontrollkarte“ ist, und Sie müssen dies so tun, dass Sie den Prozess perfekt umkehren können, um das ursprüngliche Deck wiederherzustellen. Dies ist die Welt des Quantencomputings, speziell eines Zweigs, der sich mit „reversibler Logik“ befasst. In diesem Universum ist der grundlegende Baustein ein Gatter namens CNOT (Controlled-NOT). Betrachten Sie es als einen magischen Schalter: Wenn das Kontrollkabel „an“ ist, kippt das Zielkabel; wenn es „aus“ ist, lässt es das Ziel unberührt.
Wissenschaftler wissen schon lange, wie man solche Maschinen baut, um jede mögliche Umordnung von Daten durchzuführen. Sie wissen auch, wie man sie effizient für den Worst-Case-Fall baut, mit einer Anzahl von Gattern, die mit der Größe des Problems vorhersehbar wächst. Aber hier liegt der knifflige Teil: Zu wissen, wie man eine Maschine baut, ist einfach; zu wissen, wie man die kleinste, effizienteste Maschine für eine bestimmte Aufgabe baut, ist ein Albtraum. Es ist, als wüsste man, dass man mit dem Flugzeug von New York nach London kommt, aber man versucht, den absolut kürzesten Weg durch ein Labyrinth zu finden, bei dem jeder Abbieger von dem abhängt, was zuvor geschah. Jahrelang fragten sich Forscher: Wenn wir alle physikalischen Einschränkungen realer Hardware entfernen (wie Drähte, die sich nicht kreuzen können oder spezifische Verbindungen, die fehlen) und jeden Draht mit jedem anderen kommunizieren lassen, wird dann das Problem, die kleinste Anzahl an CNOT-Gattern zu finden, einfach? Oder bleibt es ein computationales Monster?
Dieses Papier mit dem Titel „CNOT-Distance is NP-complete under all-to-all connectivity“ beantwortet diese Frage mit einem definitiven „Monster“. Die Autoren, Antonio, Arturo und Pablo Acuaviva, beweisen, dass selbst wenn man dem Computer die ultimative Freiheit gibt – indem man erlaubt, dass jeder Draht mit jedem anderen verbunden werden kann – das Finden der minimalen Anzahl an CNOT-Gattern, die benötigt werden, um eine bestimmte Aufgabe auszuführen, NP-vollständig ist. Auf Deutsch bedeutet das, dass das Problem so schwer ist, dass die Zeit, die es braucht, um die perfekte Lösung zu finden, mit zunehmender Größe der Aufgabe explodiert, was es wahrscheinlich unmöglich macht, für große Systeme in einer angemessenen Zeit eine perfekte Lösung zu finden.
Um dies zu beweisen, haben die Autoren nicht nur nach zufälligen Schaltkreisen gesucht; sie haben eine kluge Brücke zwischen zwei völlig unterschiedlichen Welten gebaut. Auf der einen Seite steht ein klassisches, berüchtigtes Rätsel namens Vertex Cover (Vertex-Überdeckung). Stellen Sie sich eine Party vor, bei der Sie die kleinstmögliche Gruppe von Menschen einladen wollen, sodass jeder Handschlag auf der Party mindestens eine Person aus Ihrer Gruppe beinhaltet. Diese kleinste Gruppe zu finden, ist schwer. Auf der anderen Seite steht die Quantenwelt der CNOT-Gatter. Die Autoren konstruierten eine spezifische mathematische „Übersetzung“, die jede Party (Graph) in einen spezifischen Quantenschaltkreis (Matrix) verwandelt.
Hier ist der magische Trick, den sie entdeckten: Die Anzahl der CNOT-Gatter, die benötigt werden, um den Schaltkreis für eine bestimmte Party zu bauen, ist exakt gleich einer festen Zahl (basierend auf der Anzahl der Personen und Handschläge) plus der Größe der kleinsten „Gästeliste“ (Vertex Cover) für diese Party. Da das Finden der kleinsten Gästeliste als ein schweres Problem bekannt ist, muss auch das Finden der kleinsten Gatteranzahl genauso schwer sein.
Die Autoren gingen weiter und zeigten, dass diese Schwierigkeit nicht verschwindet, selbst wenn man alternative Methoden verwendet. Im Quantencomputing kann man manchmal zusätzliche „Helfer“-Drähte (genannt Ancillas) verwenden, die leer starten und am Ende wieder leer zurückgegeben werden müssen, oder „geliehene“ Dräge, die man vorübergehend nutzt. Das Papier beweist, dass diese zusätzlichen Drähte bei diesem speziellen Familien von Problemen nicht helfen, eine kürzere Lösung zu finden. Die minimale Anzahl an Gattern bleibt exakt dieselbe, egal wie viele Helfer man zur Party mitbringt.
Darüber hinaus zeigt das Papier, dass dies nicht nur eine theoretische Kuriosität ist. Die Autoren entwickelten einen „Decoder“, der jeden Schaltkreis, den jemand als die beste Lösung behauptet, in einer angemessenen Zeit nehmen kann, um die Lösung zum ursprünglichen Party-Rätsel zu extrahieren. Das bedeutet, wenn jemand magisch die perfekte, kürzeste CNOT-Schaltkreis für diese Probleme finden könnte, hätte er auch das Vertex-Cover-Problem perfekt gelöst. Da wir glauben, dass Vertex Cover effizient unlösbar ist, wissen wir nun, dass das Finden des perfekten CNOT-Schaltkreises ebenfalls effizient unlösbar ist.
Das Papier befasst sich auch mit dem Thema der „Approximation“ (Annäherung). Vielleicht können wir nicht die perfekte Lösung finden, aber können wir eine finden, die „gut genug“ ist? Die Autoren beweisen, dass selbst das Annähern schwierig ist. Ob man eine Lösung möchte, die nur um ein einziges Gatter abweicht, oder um hundert, oder sogar nur um einen kleinen Prozentsatz, das Problem bleibt rechnerisch schwierig. Sie zeigten, dass für einen spezifischen Typ von Graph (bei dem jeder genau drei Verbindungen hat) das Finden eines Schaltkreises, der auch nur ein wenig besser als eine zufällige Vermutung ist, so schwer ist wie das Lösen der schwierigsten Versionen des Vertex-Cover-Problems.
Kurz gesagt, dieses Papier schließt eine Tür, die viele hofften, offen zu halten. Es bestätigt, dass die Schwierigkeit der Optimierung von Quantenschaltkreisen nicht das Ergebnis von unordentlicher Hardware oder begrenzten Verbindungen ist. Die Schwierigkeit ist in die Mathematik selbst eingebacken. Selbst in einer perfekten, reibungsfreien Welt, in der jeder Draht mit jedem anderen kommunizieren kann, ist das Finden des effizientesten Weges, Daten unter Verwendung von CNOT-Gattern umzuordnen, eine Aufgabe, die wahrscheinlich immer mehr Rechenleistung erfordern wird, als wir jemals hoffen können. Die Autoren haben dies nicht nur vorgeschlagen; sie haben es mit einem rigorosen mathematischen Argument bewiesen, das standhält, selbst wenn man zusätzliche Drähte verwendet oder die Regeln leicht ändert. Die Reise zum kleinsten Quantenschaltkreis ist, wie es scheint, ein Labyrinth ohne Abkürzungen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.