비주입형 숨은 이동 문제를 주입형 문제로 환원

초록

본 논문은 임의의 군 위에서 비주입형 숨은 이동 문제를 동일한 군의 주입형 문제로 변환하는 간단한 도구를 제시한다. 평균‑케이스 비주입형 문제와 벤트 함수에 대한 비주입형 문제 모두에 적용 가능하며, 기존 결과를 단순화하고 비부울 영역으로 일반화한다.

상세 분석

숨은 이동 문제는 두 함수 f,g 가 존재하는 이동 s 에 대해 g(x)=f(x·s) 를 만족하는 s 를 찾는 문제로, 양자 알고리즘에서 중요한 위치를 차지한다. 기존 연구는 주입형(Injective)인 경우에 한해 효율적인 해결책을 제시했으며, 비주입형(Non‑injective) 경우는 함수값이 중복될 위험 때문에 복잡도가 급격히 상승한다. 저자들은 “다중‑시프트 변환”(multiple‑shift transformation)이라는 연산을 도입해, 원래의 비주입형 함수 f 를 F(x)= (f(x·t₁),…,f(x·t_k)) 와 같이 k개의 무작위 시프트 t_i 를 결합한 벡터값 함수로 변환한다. 이 과정에서 각 좌표는 독립적으로 동일한 군 위에서 정의되며, 충분히 큰 k 를 선택하면 F 는 거의 확률적으로 주입형이 된다. 핵심은 “영향력”(influence) 개념을 일반화하여, 함수 f 의 각 입력에 대한 영향도가 충분히 크면 k =O(log |G|/ε) 정도로 제한된 시프트만으로도 주입성을 보장한다는 정리를 증명한 점이다.

특히, 평균‑케이스 분석을 통해 임의의 비주입형 함수쌍에 대해 무작위 시프트 집합을 선택하면, 기대값 기준으로 성공 확률이 1‑ε 이상이 되며, ε은 원하는 정확도에 따라 조정 가능하다. 벤트 함수에 대해서는 기존에 알려진 “완전 비선형성”(maximal non‑linearity) 특성을 이용해 영향도가 항상 ½임을 보이며, 따라서 k=O(log |G|)만으로도 완전 주입형 변환이 가능함을 확인한다.

이 도구는 Gavinsky‑Roetteler‑Roland(GRR) 팀이 제시한 비부울 도메인에 대한 숨은 이동 알고리즘을 그대로 적용할 수 있게 만든다. 즉, 비주입형 함수에 대해 별도의 복잡한 구조적 분석 없이도, 변환 후 주입형 문제에 대한 기존 양자 알고리즘(예: Fourier‑sampling 기반)만을 사용하면 된다. 결과적으로, 비주입형 숨은 이동 문제의 양자 복잡도 상한이 기존 주입형 결과와 동일하게 유지됨을 보이며, 이는 “비주입형 → 주입형 환원”이라는 새로운 패러다임을 제시한다.