Complexité de requêtes du problème de collision et de problèmes liés

Slides:



Advertisements
Présentations similaires
Structures de données avancées : Principales structures de données
Advertisements

Localisation d’une source
F. Bataille CEA, Service Hospitalier Frédéric Joliot, Orsay, France
Le hasard et la 0-connaissance Université Paris II Michel de Rougemont Algorithme et hasard Protocoles interactifs et.
L’ordinateur quantique : rêve ou réalité ?
Efficient Simplification of Point-Sampled Surfaces
C’est quoi, le quantique ?
A Pyramid Approach to Subpixel Registration Based on Intensity
Regards sur 50 ans de lenseignement des mathématiques à lécole primaire Daprès Michel FAYOL Le nombre au cycle 2 (scéren)
Initiation à la programmation et algorithmique cours 3
Présenté par : MOHSEN BEN HASSINE
Module 6 : Programmation dynamique
Améliorer les performances du chiffrage à flot SYND
L’ordinateur Quantique
Forfaitarisation des médicaments : Métamorphose du prescripteur ;
Outil daide à la planification de visites touristiques Étudiants : Fedaouche Nabil Gautier Gilles Sabas Romaric Simon Mathieu Tuteurs : Feillet Dominique.
Comparaison de structures d’ARN
TRAITEMENT D’IMAGE SIF-1033.
Rappel... Opérations élémentaires sur les matrices:
Projet 29 Product Tagger Tuteur : Michel Benoît Groupe : - Simon Giron - Vincent Reuss - Jérémie Simian Annee :
Mesurer l’efficacité des algorithmes
Méthodes de prévision (STT-3220)
Ajustements c2 non-linéaires
Substitut de Communication Par Intrication Quantique (Article de Richard Cleve et Harry Buhrman) IQ – 2006 – Matthieu Castebrunet.
SUJETS SPÉCIAUX EN INFORMATIQUE I
TRAITEMENT D’IMAGE SIF-1033.
Introduction au calcul quantique
Notions de calcul quantique
Effet tunnel dans les systèmes quasi-intégrables
Ordonnancement de tâches
Notation: e−(v) électron libre de vitesse v électron lié
Notation: e−(v) électron libre de vitesse v électron lié
Molécule très complexe ( g >> )
Régression linéaire.
Conditions aux Frontières Ouvertes
Décomposer une image sur une base d'ondelettes
Quelques exemples de nombre chromatique d’un graphe.
Théorie Vectoriel de Wolf
Projet ANIM : Indexation d’objets 3D :
David Rivreau Table de hachage David Rivreau
IGM LRI LaBRI Claire Herrbach François Lefèvre
On cherche le plus court chemin de E à S sur le graphe suivant :
Cours 5: Sous requetes Exploitation des données Présentation  Supposez que vous voulez écrire une requête pour trouver qui a un salaire plus.
Algorithmes sur les sons
Complexité des Problèmes Combinatoires Module IAD/RP/RO/Complexité Philippe Chrétienne.
Informatique Quantique
1 G. Gardarin Optimisation de Requêtes  1. Introduction  2. Arbres relationnels  3. Restructuration algébrique  4. Modèle de coût  5. Choix du meilleur.
420-B63 Programmation Web Avancée Auteur : Frédéric Thériault 1.
Série 2.Exercice 1 : nombres premiers
Equilibre de successions de flux différents d’échéances différentes.
Introduction à la vision par ordinateur
Exemples algorithmes FFT
Verification approchée Michel de Rougemont, University Paris II et LRI.
Intégration des Tableaux Multidimensionnels en Pig pour
Algorithmique et Complexité
Cours 5 - Trois algorithmes de tri d'un tableau
Avantages & intérêts  Résolution d’algorithmes complexes et/ou longs  P = NP  Déchiffrage de la cryptographie  Casser les clefs de cryptage  Réduction.
2 EME PARTIE : Les avantages de l’analogique Et
1 Gestion des voitures médecins d'Urgences-Santé Michel Gendreau Émilie Frot¹ Gilbert Laporte Frédéric Semet¹ Centre de recherche sur les transports Université.
+ Semaine du 19 au 26 mars. + Lecture Grandir p. 8 à 19; et 36 à 41 Roman 5 e année6 e année.
TD14 – LP348 Diffraction.
1 1 Licence Stat-info CM6 b 2004 V1Christophe Genolini Régression linéaire : problème On a les notes math et français suivantes : Un élève a 10 en math,
Du coeur de l’atome… …aux premiers instants de l’univers.
Les mesures de tendance centrale
Additionner des fractions à l’aide de modèles
Capsule PAPP Segond Valérie.
L’ordinateur quantique
Calculer l’inverse d’une matrice Louis Mullenbach Housseim Yacoub.
Transformation de Laplace - Mr.Retima Abderaouf - Mr.Ghandjoui abderahmane Université 20 aout 1955 Skikda.
TD10 Diffraction.
Transcription de la présentation:

Complexité de requêtes du problème de collision et de problèmes liés C. Dürr (LRI - Orsay) travail avec Harry Buhrman, Mark Heiligman, Peter Høyer, Frédéric Magniez, Miklos Santha, Ronald de Wolf v1

Trouver de nouveaux algorithmes quantiques Utiliser de nouveaux opérateurs unitaires Transformée de Hadamard Deutsch-Jozsa, Bernstein-Vazirani Transformée de Fourier Simon, Shor Matrice de Haar Høyer-Neerbek-Shi Matrices de Hadamard van Dam Utiliser les algorithmes quantiques connus Shor : Problème de sous-groupe caché Grover : Recherche du minimum, Problème de collision, Recherche du median

Problème de collision Entrée : f:[N]Z 0 1 … i j N-1 Chercher : i,j[N] tel que f(i)=f(j), ij

Problème d’intersection Entrée : f:[N]Z g:[M]Z Z : f : 0 1 … i N-1 0 1 … j M-1 : g Chercher : i[N], j[M] tel que f(i)=g(j)

Modèles de complexité Modèle de requêtes Modèle de comparaisons On compte le nombre d’appels à f ou g Modèle de comparaisons On ne peut pas lire directement f ou g Seuls des comparaisons f(i)<f(j), g(i)<g(j), f(i)<g(j) sont possibles et comptées Aucune hypothèse n’est faite sur Z, sauf qu’il est muni d’un ordre

Outil recherche quantique Entrée: f:[N]{0,1} f(i)=0 f(i)=1 [Grover] Trouver (avec proba ½): i[N], tel que f(i)=1 en appelant f O(N½) fois

Complexité classique/quantique Rechercher zZ dans f:[N]Z cas général (f n’est pas forcément triée) (N), (N½) [Grover] cas f triée (log N), (log N) 0.53 log N par [Fahri,Goldstein,Gutman,Sipser] log3N+O(1) par [Høyer,Neerbek,Shi]

Outil amplification quantique Entrée : Algorithme A avec probabilité de succès p succès [Brassard,Høyer,Mosca,Tapp] Répéter O(p-½) fois A pour probabilité de succès ½

Borne inférieure par réduction Problème de recherche pour h:[N]{0,1} trouver i tel que h(i)=1 (N½) [Bennet,Bernstein,Brassard,Vazirani] Problème de collision f: i  i+h(i) Donc le problème de collision est (N½) f:

Intersection: cas f trié … et N<M f([N]) f: j :g Chercher j[M] tel que g(j)f([N]) ce test coûte log(N) Cette recherche coûte M tests Coût total O(M log(N))

Intersection: cas général Trouver une intersection entre f et g Chercher A[N], |A|=k et B[M], |B|=k2 tel que f(A)g(B){} coûte O((MN/k3) k log k) =O ((MN/k) log k) f(A) f: :g A j B Trouver une intersection entre f(A) et g(B) Trier f(A) Chercher jB tel que g(j)f(A) coûte O(k log k) coûte O(k2 log k)

Complexité Meilleur choix de k avec kmin(N, M) O(N¾logN) O(N½M¼logN) O(M½logN) (M) NMN2 N2<M

Intersection: cas f et g triées … et N=M Application possible Question à google.com “Calcul quantique” Réponse: éléments en commun de tableaux précalculées et triées (une par mot clé) f: 4 7 8 12 15 21 22 27 29 32 34 g: 5 8 11 26 22 26 32

Sous-problème f est découpé en blocs de taille r 0  i  N/r fi : restriction de f au i-ième bloc f: a collision? g: b g’i : restriction de g au bloc de taille r, commençant au premier b, tq g(b)f(a) Sous-problèmes (f’i,gi) définis pareillement

Algorithme Le problème initial a une solution si et seulement si un parmi les 2N/r sous-problèmes a une solution (“est positif”) Recherche quantiquement un sous-problème positif Appliquer récursivement cet algorithme aux sous-problèmes

Complexité T(N) T(N)  c’(N/r)½(log(N+1)+T(r)) Choisir r=log2(N) pour des constantes c’,c’’ T(N)  c’(N/r)½(log(N+1)+T(r)) Appel récursif Recherche binaire du début de bloc Recherche quantique d’un sous-problème Choisir r=log2(N) T(N)  c’’ (N/r)½ T(r)

Complexité T(N)=O(N½clog*(N)) Logarithme itéré pour une constante c T(N)=O(N½clog*(N)) Logarithme itéré log(i)(x) = log log … log (x) log*(x) = min{i  0 : log(i)(x)  1} Fonction presque constante clog*(N) = o(log(i)(N)) pour tout i

Recherche de triangles Entrée : graphe G(V,E), n=|V|, m=|E| Trouver : a,b,c  V tel que (a,b), (b,c), (c,a)  E Recherche naïve Recherche quantique sur (a,b,c)V3 Complexité de requêtes O(n3/2)

Pour graphes épars Recherche quantique d’une arête (a,b)E … m=o(n2) Recherche quantique d’une arête (a,b)E Recherche quantique d’un 3-ième sommet c tel que (b,c), (c,a)  E Amplifier quantiquement la probabilité de succès O(m½) requêtes O(n½) requêtes O(m½) répétitions Au total O(n+(nm)½)

Récapitulatif classique/quantique Collision dans f 2-to-1 (i !j f(i)=f(j)) (N½), O(N) [Brassard,Høyer,Tapp] Collision dans f (N), O(N¾logN), (N½ logN) [Høyer,Neerbek,Shi] Intersection entre f et g triées (N), O(N½clog*(N)) Triangles (n2), O(n+(nm)½)

Problèmes difficiles Pour f : [N]Z Parité des collisions … même quantiquement (N) Pour f : [N]Z Parité des collisions trouver la parité du nombre de i,j (i<j) tel que f(i)=f(j) Sans collision trouver i qui n’est pas en collision avec un j Hors image trouver zZ tel que z n’est pas dans l’image de f

Directions futures Trouver une borne inférieure pour le problème de collision dans f 2-to-1 Fermer le fossé entre les deux bornes pour le problème de collision Dans le modèle de requêtes, utiliser le fait que pour f : [N][N] ∑j f(j) avec =e2i/N est 0 pour f sans collision et diff. de 0 pour f avec une unique collision