양자 속도 향상을 위한 구조 필요성

논문은 양자 알고리즘이 언제 지수적 속도 향상을 제공할 수 있는지에 대한 일반적인 기준을 찾고자 한다. 이를 위해 저자들은 블랙박스 쿼리 모델을 사용한다. 먼저, 입력과 출력 모두에 대해 순열 불변성을 갖는 문제들을 정의한다. 대표적인 예로 충돌 문제와 원소 구별 문제 등이 있다. 이러한 문제들은 입력을 임의로 섞어도 함수값이 변하지 않으며, 따라서 전통적인 양자 푸리에 변환 기법을 적용하기 어렵다. 저자는 이러한 문제들에 대해 양자 쿼리 복잡도 Q(f)와 고전 무작위 쿼리 복잡도 R(f) 사이에 R(f)=O(Q(f)^7·polylog Q(f))라는 관계를 증명한다. 이는 이전에 알려진 9제곱근 관계를 개선한 것이며, Watrous(2002)의 conjecture를 해결한다. 증명은 다항식 방법(polynomial method)과 충돌 문제에 대한 기존 하한을 활용하고, 입력의 다중도(multiset) 추정을 기반으로 한 간단한 고전 알고리즘을 설계한다. 이 알고리즘은 입력에서 각 원소가 몇 번 등장하는지를 추정함으로써 f를 근사한다. 알고리즘이 실패하는 경우를 분석하면, 그 경우가 “hard core”라 불리는 작은 부분집합에 해당함을 보인다. 이 부분에 대해 양자 하한을 적용하면 전체적인 복잡도 관계가 성립한다. 다음으로 저자는 저차 다항식이 항상 고영향 변수를 가진다는 가설을 제시한다. 고영향 변수란 해당 변수의 값이 바뀌면 함수값이 크게 변하는 변수이다. 이 가설이 참이라면, 임의의 T‑쿼리 양자 알고리즘은 대부분의 입력에 대해 O(poly(T)) 쿼리 수의 고전 알고리즘으로 시뮬레이션될 수 있다. 구체적으로, 양자 알고리즘이 만든 다항식 근사값을 고영향 변수에 대해 고정시키면, 남은 부분은 낮은 차원의 다항식이 되므로 고전적으로 효율적으로 계산할 수 있다. 따라서 양자 알고리즘이 제공하는 속도 향상은 입력 집합이 매우 제한된 경우, 즉 “구조화된” 프라미스 문제에만 나타난다. 일반적인 무작위 오라클에서는 이러한 프라미스가 거의 없으므로, 양자와 고전 알고리즘의 복잡도 차이는 다항식 수준에 머문다. 논문은 또한 기존 결과와의 관계를 정리한다. Beals et al. (1998)는 모든 총함수에 대해 D(f)=O(Q(f)^6)임을 보였으며, 이는 양자 속도 향상이 최대 6제곱근 수준임을 의미한다. 저자는 이를 비총함수, 특히 순열 불변성을 가진 부분 함수에 확장한다. 또한, Grover 검색이 제공하는 √N 속도 향상이 최적임을 재확인하고, 충돌 문제에 대한 최적 하한이 Ω(N^{1/3})임을 언급한다. 마지막으로, 이 결과는 무작위 오라클 상대에서 P≠BQP를 증명하는 것이 매우 어려울 것이라는 결론을 낸다. 만약 위의 고영향 변수 가설이 참이라면, 무작위 오라클에 대해 대부분의 입력에 대해 양자 알고리즘을 고전 알고리즘이 효율적으로 시뮬레이션할 수 있기 때문이다. 이는 Fortnow와 Rogers(1998)의 질문에 대한 부정적 답변이며, 복잡도 이론에서 무작위 오라클이 갖는 한계를 새롭게 조명한다. 전체적으로 논문은 “구조화된” 문제와 “구조화되지 않은” 문제 사이의 차이를 정량화하고, 양자 속도 향상의 근본적인 제한을 제시한다.