Towards Super-polynomial Quantum Speedup of Equivariant Quantum Algorithms with SU($d$) Symmetry
Created by
Haebom
저자
Han Zheng, Zimu Li, Sergii Strelchuk, Risi Kondor, Junyu Liu
개요
본 논문은 임의의 SU(d) 대칭을 갖는 물리 시스템에 대한 다양한 머신러닝 작업을 위해 고안된 등변합성 합성곱 양자 알고리즘 프레임워크를 제시합니다. 이 프레임워크는 양자 컴퓨팅의 자연스러운 모델인 순열 양자 컴퓨팅(PQC)을 향상시켜 더욱 강력한 모델인 PQC+를 정의합니다. PQC는 효율적으로 고전적으로 시뮬레이션될 수 있음이 증명되었지만, 본 논문에서는 PQC+ 머신에서 효율적으로 해결될 수 있지만 고전적인 다항 시간 알고리즘이 알려져 있지 않은 문제를 제시하여 PQC+가 고전적으로 시뮬레이션될 수 없다는 증거를 제시합니다. 또한 PQC+ 패러다임에서 수행될 수 있는 실용적인 양자 머신러닝 알고리즘에 대해 논의합니다.
시사점, 한계점
•
시사점:
◦
임의의 SU(d) 대칭을 갖는 물리 시스템에 대한 머신러닝 작업을 위한 새로운 등변합성 합성곱 양자 알고리즘 프레임워크 제시.
◦
PQC+ 모델이 PQC보다 강력하며, 고전적으로 시뮬레이션하기 어려울 가능성 제시.
◦
PQC+ 패러다임에서 실용적인 양자 머신러닝 알고리즘 구현 가능성 제시.
•
한계점:
◦
PQC+가 고전적으로 시뮬레이션될 수 없다는 증거는 특정 문제에 대한 것이며, 모든 문제에 대해 일반화하기 어려움.
◦
실제 양자 컴퓨터에서 PQC+ 알고리즘의 효율성 및 구현 가능성에 대한 추가적인 연구 필요.
