Квантові комп'ютери дуже хороші для вибірки розподілів, які ми не знаємо, як відібрати за допомогою класичних комп'ютерів. Наприклад, якщо f - булева функція (від до - 1 , 1 ), яку можна обчислити в поліноміальний час, то за допомогою квантових комп'ютерів ми можемо ефективно відібрати вибірку відповідно до розподілу, описаного розширенням Фур'є f. (Ми не знаємо, як це зробити з класичними комп’ютерами.)
Чи можемо ми використовувати квантові комп'ютери для вибірки або приблизно вибірки випадкової точки в багатограннику, описаної системою n нерівностей у d змінних?
Перехід від нерівностей до точок здається мені дещо схожим на "перетворення". Більше того, я би радий бачити квантовий алгоритм, навіть якщо ви модифікуєте розподіл, наприклад, розгляньте добуток розподілу Гаусса, описаний гіперпланами багатогранника чи якісь інші речі.
Кілька зауважень: Дайер, Фриз та Каннан знайшли відомий класичний алгоритм багаточленного часу для приблизно вибірки та приблизно обчислення обсягу багатогранника. Алгоритм заснований на випадкових прогулянках та швидкому перемішуванні. Отже, ми хочемо знайти інший квантовий алгоритм з тією ж метою. (Гаразд, ми можемо сподіватися, що квантовий алгоритм може призвести також до того, що в цьому контексті ми не знаємо робити класично. Але для початку все, що нам потрібно, - це інший алгоритм, це повинно бути можливим.)
По-друге, ми навіть не наполягаємо на приблизно вибірці рівномірного розподілу. Ми будемо раді випробовувати якийсь інший приємний розподіл, який приблизно підтримується на нашому багатограннику. Існує аргумент Сантоша Вампала (а також мене в іншому контексті), що веде від вибірки до оптимізації: якщо ви хочете оптимізувати вибірку f (x), щоб знайти точку y, де типовим є f (x). Додайте обмеження {f (x)> = f (y)} і повторіть.