Quantum algorithms for subset sum under different quantum memory models

  • Diese Dissertation untersucht Algorithmen zum Lösen des Subset Sum Problems. Speziell konzentriert sich die Arbeit auf Quantenalgorithmen, die unter Berücksichtigung funktionsfähiger Quantencomputer arbeiten können. Diese werden in verschiedenen Modellen konstruiert und analysiert, wobei hinsichtlich der verfügbaren technischen Ressourcen (Speichermodelle) differenziert wird. Der Fokus liegt darauf einen Algorithmus mit möglichst geringer Laufzeit zu finden. Eine entscheidende Technik für die vorgestellten Algorithmen ist das Erschaffen und Ausnutzen vieler Repräsentationen der Lösung. Hierfür wird ein Framework ausgearbeitet und damit der schnellste klassische (ohne Quantencomputer) Algorithmus analysiert. Anschließend werden darauf aufbauend Quantenalgorithmen in den unterschiedlichen Speichermodellen entwickelt. Die Hauptresultate dieser Arbeit sind die schnellsten, bislang bekannten Quantenalgorithmen für das Subset Sum Problem in zwei der drei erwähnten Speichermodelle.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Alexander HelmGND
URN:urn:nbn:de:hbz:294-79403
DOI:https://doi.org/10.13154/294-7940
Referee:Alexander MayORCiDGND, Nils-Gregor LeanderORCiDGND
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2021/03/09
Date of first Publication:2021/03/09
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Mathematik
Date of final exam:2020/12/11
Creating Corporation:Fakultät für Mathematik
GND-Keyword:Kryptologie; Komplexitätstheorie; Algorithmus; Speichermodell; Quantencomputer
Institutes/Facilities:Lehrstuhl für Kryptologie und IT-Sicherheit
Dewey Decimal Classification:Naturwissenschaften und Mathematik / Mathematik
faculties:Fakultät für Mathematik
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht