利用问题结构的单步量子搜索

利用可满足性问题的结构改进量子计算机上的搜索算法，并通过仅对问题性质进行单次相干评估来缩短所需相干时间。随机 k-SAT 的结构可确定这些算法的渐近平均行为，表明它们优于忽略详细问题结构的量子算法（如振幅放大），但对于困难问题实例仍是指数级的。与优良经典方法相比，该算法在弱约束和高度约束问题上平均表现更好，而在困难情况下更差。此处引入的分析技术也适用于其他量子算法，补充了经典模拟所能进行的有限评估，并展示了量子计算如何利用 NP 搜索问题的系综性质。