작은 공간에서의 고전·양자 계산 비교

초록

이 논문은 새로운 양자 튜링 머신 모델을 제안하고, 제한된 메모리(상수·서브로그·서브선형) 조건에서 고전적·양자 기계의 언어 인식 능력을 체계적으로 비교한다. 무한오차, 제한오차 두 설정을 모두 다루며, 재설정 헤드와 포스트셀렉션을 이용한 자동자 모델의 우월성, 쓰기 전용 메모리를 활용한 실시간 양자 자동자의 시뮬레이션 결과 등을 제시한다. 또한 실시간 고전 튜링 머신의 비정규 언어 인식에 대한 하한을 증명한다.

상세 분석

본 논문은 먼저 일반적인 양자 연산자를 허용하는 양자 튜링 머신(QTM) 프레임워크를 정의하고, 이를 푸시다운, 카운터, 유한 자동자 등 다양한 제한 모델에 확장한다. 무한오차(Unbounded‑Error) 설정에서는 서브로그 공간(예: o(log n))에서 QTM이 확률적 튜링 머신보다 엄격히 강함을 보이며, 특히 상수 공간에서도 제한된 형태의 QTM이 확률적 기계보다 더 많은 언어를 인식한다는 새로운 결과를 제시한다. 실시간 상수 공간 비결정론적 QTM이 인식할 수 있는 언어군을 완전하게 특성화함으로써, 기존에 알려진 실시간 비결정론적 유한 자동자와의 차이를 명확히 한다.

다음으로 제한오차(Bounded‑Error) 환경을 다룰 때는, 입력 헤드를 “재설정 가능”(reset)하게 만든 새로운 양자·확률적 유한 자동자 모델을 도입한다. 이 헤드는 왼쪽 이동이나 정지 없이 시작 위치로 즉시 돌아갈 수 있어, 양자 상태의 재초기화를 자연스럽게 구현한다. 논문은 이러한 QFA가 동일 조건의 PFA보다 언어 인식 능력에서 우월함을 증명하고, 두‑방향(양방향) 구조와 결합했을 때 비결정론적 유한 자동자(NFA) 대비 지수적 간결성을 달성함을 보인다. 특히, 포스트셀렉션(postselection) 기법을 양자·확률적 자동자에 적용해, 제한오차 클래스와의 동등성 및 포함 관계를 다수 제시한다.

세 번째 주요 기여는 쓰기 전용 메모리(write‑only memory, WOM)를 갖는 실시간 양자 자동자(QFA‑WOM)이다. WOM은 읽을 수 없지만, 카운터나 스택처럼 증분 연산이 가능하도록 설계되어, 다양한 카운터 자동자와 푸시다운 자동자를 시뮬레이션한다. 이를 통해 제한된 메모리 환경에서도 양자 기계가 비정규 언어를 인식할 수 있음을 보이며, 기존의 실시간 카운터 자동자와 비교해 공간 효율성을 분석한다.

마지막으로, 실시간 고전 튜링 머신이 비정규 언어를 인식하기 위해 필요한 최소 공간을 하한으로 제시한다. 이 하한은 기존 결과와 일치하면서도, 일부 특수한 실시간 모델(예: 다중 헤드, 제한된 이동)에서는 동일하게 타이트함을 증명한다. 전체적으로 논문은 작은 공간 제약 하에서 양자와 고전 계산 모델의 힘을 정량화하고, 새로운 기계 설계(재설정 헤드, 포스트셀렉션, WOM)를 통해 양자 우월성을 구체적인 언어 사례와 복잡도 클래스 관점에서 입증한다.