第 13 课 · 振幅放大与振幅估计——从 Grover 到通用二次加速与最优性 · 模块二：算法主线

下界：设定与三步走

  • 命题框（定理）：任何以 $\ge 2/3$ 概率找到标记项的量子算法需要 $k = \Omega(\sqrt{N})$ 次查询
  • 设定行：$N$ 个候选恰好一个标记；预言机 $O_x$ 由标记位置 $x \in \{1,\ldots,N\}$ 编码（无标记记 $x = 0$）；算法共 $k$ 次查询，成功概率 $p(x)$
  • 推导路线（三步编号）：
    1. $p(x)$ 是预言机变量的多项式，次数 $\le 2k$（每次查询给依赖加一次幂，取迹不增次数）
    2. 对称化到单变量：$P(w)$，$w \in \{0,\ldots,N\}$，$0 \le P \le 1$，且 $P(0) \le 1/3$、$P(1) \ge 2/3$
    3. 马尔可夫兄弟不等式 $\max_{[0,N]}|P'| \le 2d^2/N$ 配合中值定理收尾
  • 结果框：三步只用一条经典不等式——下一页逐步落实，终点 $k \ge (1/(2\sqrt{6}))\sqrt{N}$
类型definition-derivation（定理陈述 + 证明路线）