Referenzen zum Vergleich zwischen Quantencomputern und Turingmaschinen

Mir wurde gesagt, dass Quantencomputer nicht rechnerisch leistungsfähiger sind als Turing-Maschinen. Könnte jemand freundlich helfen, einige Literaturhinweise zu geben, die diese Tatsache erklären?

Was tatsächlich der Fall ist, ist, dass alles, was ein Quantencomputer berechnen kann, auch eine Turing-Maschine berechnen kann. (Dies ist ohne zu kommentieren, wie lange die Turing-Maschine benötigt, um die Funktion im Vergleich zu einem Quantencomputer zu berechnen.)

Dies ist eigentlich nicht schwer zu erkennen, vorausgesetzt, Sie verstehen die Quantenberechnung. Für eine Quantenschaltung über einen typischen Gatesatz wird das Ergebnis beispielsweise durch eine Wahrscheinlichkeitsverteilung bestimmt, die durch die Koeffizienten einer einheitlichen Matrix bestimmt wird. Diese einheitliche Matrix ist nur ein Matrixprodukt derjenigen der Tore und kann - wenn Sie geduldig genug sind - von einem klassischen Computer berechnet werden. Aus Gründen der Berechenbarkeit (im Gegensatz zur Effizienz) bietet die Verwendung von Quantencomputern keinen Vorteil.

Die ganze Herausforderung, die sich aus der Quantenmechanik ergibt, besteht darin, zu bestimmen, ob solche Koeffizienten effizient berechnet werden können , was ein anspruchsvolleres Problem darstellt, als ob sie überhaupt berechnet werden können .

Betrachten Sie ein Quantentor. Es glättet alle technischen Details und kann als Matrix . Ein Eingang zum Gate, sagen wir | & phiv; ⟩ ist nur ein Vektor V , und der Ausgang des Gatters ist die Vektor G v .$G$$\vert \phi \rangle$$v$$Gv$

Betrachten Sie nun eine Schaltung. Eine Schaltung ist nur ein Bündel von Toren , und die Schaltung selbst kann als "verallgemeinertes Gatter" C = G n ⋯ G 2 G 1 angesehen werden , das mit dem Eingangszustand (dem Vektor v ) arbeitet. [Auch dies ist eine sehr grobe Abstraktion.]$\{G_1, G_2, ... \}$$C=G_n \cdots G_2 G_1$$v$

Berechnen einer Schaltung an einem Eingang , lediglich wird die Berechnung des Vektors C v oder G n ⋯ G 2 G 1 v . Es ist klar, dass eine solche Aufgabe (Matrixmultiplikation und Multiplikation der Matrix mit dem Vektor) von einem klassischen TM ausgeführt werden kann, daher ist TM mindestens so stark wie ein Quanten-TM (QTM) [ok, klassische Schaltungen sind so stark wie Quanten Schaltungen. vergiss das.]$\vert \phi \rangle$$Cv$$G_n \cdots G_2 G_1 v$

Auf der anderen Seite ist QTM trivial so stark wie TM, und daher sind beide Modelle gleichwertig.

BEARBEITEN aufgrund von Kommentaren
Um zu fragen, welcher "Computer" leistungsfähiger ist, müssen wir zunächst klären, was es bedeutet, "rechnerisch leistungsfähiger" zu sein. Und diese halbphilosophische Diskussion beginnt mit der Frage

Was ist Berechnung ?

Ist das Abspielen von MP3-Dateien eine Berechnung? Ist die Ausgabe von Zufallszahlen eine Berechnung?

Die Standarddefinition besagt, dass eine Berechnung "eine Funktion berechnen" ist. Das heißt, für jede Eingabe (die eine beliebige Zeichenfolge beliebiger endlicher Länge sein kann) wird ausgegeben$x$ , wobei y wiederumeine Zeichenfolge beliebiger (endlicher) Länge sein kann. Wenn Ihr Computer y für ein beliebiges x ausgebenkann, sagen wir, dasser f berechnen kann.$y=f(x)$$y$$y$$x$$f$

Zu sagen, dass Computer "A" leistungsfähiger als "B" ist, bedeutet nur, dass A mehr Funktionen als B berechnet . Ähnlich,$f$$B$

Zwei Modelle, und $A$$B$ werden als äquivalent , wenn für jede Funktion , A berechnet f , wenn und nur wenn B berechnet f .$f$$A$$f$$B$$f$

OK, sagst du, aber warte eine Sekunde, es gibt eine Randomisierung. Ein Quantencomputer gibt nicht nur . Es gibt y 1 mit Wahrscheinlichkeit aus$y$$y_1$ oder y 2 mit der Wahrscheinlichkeit p 2 oder ....$p_1$$y_2$$p_2$$^0$

In der Tat. Und dies erweitert die Standarddefinition der Berechnung einer Funktion. Wir können es lösen und unsere Definitionen auf verschiedene Arten verallgemeinern. (1) Eine Option besteht darin zu sagen, dass die Antwort von das spezifische y i ist , das eine Wahrscheinlichkeit p i > 0,75 hat (und es gibt höchstens einen solchen Wert) 1 . Wenn wir annehmen, dass f nur ein einziges Bit ausgibt, dann ist "die Ausgabe von f ( x ) immer gut definiert 2. Andernfalls, wenn kein solcher Wert existiert und alle Ausgaben eine geringe Wahrscheinlichkeit haben, können wir f sagen$f(x)$$y_i$$p_i>0.75$$^1$$f$$f(x)$$^2$$f$ist für diesen Eingang nicht definiert; (2) Eine zweite Option besteht darin, zu sagen, dass die Ausgabe von die Liste ( y 1 , p 1 ) , ( y 2 , p 2 ) , . . . . Damit dies genau definiert ist, müssen wir eine endliche Liste haben, da die Ausgabezeichenfolge endlich sein muss.$f(x)$$(y_1,p_1), (y_2,p_2),...$

Mit dem oben Gesagten sollte klar sein, dass Wahrscheinlichkeiten die Leistung des Modells nicht ändern, und ein klassisches TM kann nur die Liste möglicher Ausgaben zusammen mit der Wahrscheinlichkeit für jede Ausgabe ausgeben. Dies ist genau das, was passiert, wenn ein TM Matrizen multipliziert und einen Vektor ausgibt - der Vektor repräsentiert die Wahrscheinlichkeit jeder möglichen Messausgabe.

^{$^0$
$^1$$p=0.75$$1/2$
$^2$$f$}

andere Antworten sind gültig, ich möchte nur eine hinzufügen, die betont, dass dies wirklich eine sehr tiefe (weitgehend noch offene / ungelöste) Frage ist, die im Zentrum vieler moderner Forschungen zu Komplexitätsklassen-Trennungen und Quanten- und klassischem Rechnen steht. Sie sind funktional gleichwertig, sofern TMs und QM-Computer nachweislich vollständig sind . Es gibt verschiedene Möglichkeiten, dies zu beweisen.

Die Äquivalenz in der Komplexitätstheorie hängt jedoch stark von zeitlichen und räumlichen Feinheiten / Effizienzen ab, dh von Ressourcen zur Berechnung bestimmter Algorithmen. und es gibt auch eine große Menge an Forschung, die sich mit "Rauschen" im QM-Computing befasst und berücksichtigt, dass theoretische rauschfreie Modelle möglicherweise nicht "real" oder in der Praxis erreichbar sind und reale Modelle möglicherweise signifikantes Rauschen aufweisen. Es gibt komplexe Schemata, um dieses Rauschen usw. zu mildern. Es gibt einige ausgezeichnete Kommentare dazu in verschiedenen Beiträgen im RJ Liptons-Blog, z. B. Flugmaschinen des 21. Jahrhunderts

Zum Beispiel wurde von Shor bewiesen, dass Factoring in BQP, der Klasse von Quantenalgorithmen, die in P-Zeit ausgeführt werden, enthalten ist. Dies ist ein berühmter Beweis dafür, dass zu dieser Zeit aufgrund der Dramatik auch eine große Menge ernsthafter Studien / Forschungen zum QM-Computing gestartet wurden Ergebnis.

$\stackrel{?}{=}$

Scott Aaronson ist ein ausgezeichneter Schriftsteller / Forscher auf dem Gebiet und hat einige Artikel geschrieben, die für den Laien zugänglich sind. siehe zB Die Grenzen von QM-Computern, SciAm oder QM-Computing versprechen neue Erkenntnisse, NYT .