Complexity of Computations with Time Travel

Cover Page

Cite item

Abstract

This paper explores a mathematical model of computation that can be interpreted as a computer capable of receiving data from future states of its own computational process. Under certain combinations of input data and programs, such computations may become infeasible due to emerging contradictions or lead to ambiguous outcomes. We investigate programs for which this process is always feasible and yields a unique result.It is demonstrated that, in the absence of computational complexity constraints, such machines can output the value of any recursively decidable predicate within a fixed time after the computation begins—referred to as the response delay time—while the computation process must continue even after the result is produced. When the total runtime of these machines is bounded by a polynomial function of the input size, they precisely recognize languages belonging to the intersection of the NP and co-NP complexity classes, with the same constant response delay time in the aforementioned sense.Possible practical implementations of such a computer are examined, including an analysis of operational protocols leveraging quantum annealing to select the appropriate computational process. It is shown that, with parallelization of the computational process, the class of problems solvable by these machines in polynomial time corresponds to the PSPACE complexity class.Additionally, a mode of operation is studied in which these machines have direct access to input data. In this case, if the runtime is limited to a logarithmic function of the input size, the class of problems solvable by such a parallelized computer encompasses LOGSPACEThe findings of this study can be applied to develop new programming principles for nondeterministic computational machines, where data transmission from the future is employed instead of nondeterministic choices.

About the authors

Milad Joudakizadeh

Udmurt State University

Email: joudakizadeh@mail.ru
PhD student in Artificial Intelligence and Machine Learning, Research focuses on computational complexity, machine learning, and logic in computer science.

Anatoly Petrovich Beltiukov

Udmurt State University

Email: belt.udsu@mail.ru
Doctor of Physics and Mathematics, Professor. Research focuses on computational complexity, complexity classes, subrecursive hierarchies, intuitionistic mathematics, constructive systems, proof mechanization, proof complexity, computation models, substructural logics, weak arithmetics, and logic in computer science.

References

  1. S. A. Cook. „The complexity of theorem-proving procedures“, Logic, automata, and computational complexity: The works of Stephen A. Cook, ed. Kapron B.C., ACM, New York, 2023, ISBN 979-8-4007-0779-7, pp. 143–152.
  2. R. M. Karp. „Reducibility among combinatorial problems“, 50 Years of Integer Programming 1958–2008. From the Early Years to the State-of-the-Art, eds. Jünger M., et al., Springer, Berlin–Heidelberg, 2010, ISBN 978-3-540-68274-5, pp. 219–241.
  3. M. R. Garey, D. S. Johnson. Computers and Intractability: A Guide to the Theory of NP-Completeness, Series of Books in the Mathematical Sciences, Freeman, San Francisco, 1979, ISBN 978-0716710455, 340 pp.
  4. S. Aaronson. „Guest column: NP-complete problems and physical reality“, ACM Sigact News, 36:1 (2005), pp. 30–52.
  5. D. Deutsch. „Quantum theory, the Church–Turing principle and the universal quantum computer“, Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 400:1818 (1985), pp. 97–117.
  6. T. A. Brun. „Computers with closed timelike curves can solve hard problems efficiently“, Foundations of Physics Letters, 16:3 (2003), pp. 245–253.
  7. S. Aaronson, J. Watrous. „Closed timelike curves make quantum and classical computing equivalent“, Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 465:2102 (2009), pp. 631–647.
  8. Ch. Papadimitriou. Computational Complexity, Addison-Wesley, Reading, Massachusetts, 1994, ISBN 978-0201530827, 523 pp.
  9. S. Arora, B. Barak. Computational Complexity: A Modern Approach, Cambridge University Press, New York, 2009, ISBN 978-0521424264, 594 pp.
  10. M. A. Nielsen, I. L. Chuang. Quantum computation and quantum information, Cambridge University Press, New York, 2010, ISBN 9781107002173, 702 pp.
  11. L. K. Grover. „A fast quantum mechanical algorithm for database search“, STOC '96: Proceedings of the twenty-eighth annual ACM symposium on Theory of computing (22–24 May 1996, Pennsylvania, USA), ACM, New York, 1996, ISBN 978-0-89791-785-8, pp. 212–219.
  12. P. W. Shor. „Algorithms for quantum computation: discrete logarithms and factoring“, Proceedings 35th Annual Symposium on Foundations of Computer Science (20–22 November 1994, Santa Fe, NM, USA), IEEE, 1994, ISBN 0-8186-6580-7, pp. 124–134.
  13. A. W. Harrow, A. Montanaro. „Quantum computational supremacy“, Nature, 549:7671 (2017), pp. 203–209.
  14. K. Iqbal, O. Ahmad, A. Y. Vandika. „Quantum computing and its implications for complex system analysis“, Research of Scientia Naturalis, 1:5 (2024), pp. 238–247.
  15. J. I. Orlicki. Time-travelling Turing Machines and the self-consistent Halting Problem, 2024.
  16. K. Gödel. „An example of a new type of cosmological solutions of Einstein's field equations of gravitation“, Rev. Mod. Phys., 21:3 (1949), pp. 447–450.
  17. D. Bacon. „Quantum computational complexity in the presence of closed timelike curves“, Phys. Rev. A, 70:3 (2004), 032309.
  18. D. H. Wolpert. „Physical limits of inference“, Physica D: Nonlinear Phenomena, 237:9 (2008), pp. 1257–1281.
  19. A. D. King, J. Raymond, T. Lanting, R. Harris, A. Zucca, F. Altomare, A. J. Berkley, K. Boothby, S. Ejtemaee, C. Enderud, E. Hoskinson, Sh. Huang, E. Ladizinsky, A. J. R. MacDonald, G. Marsden, R. Molavi, T. Oh, G. Poulin-Lamarre, M. Reis, Ch. Rich, Y. Sato, N. Tsai, M. Volkmann, J. D. Whittaker, J. Yao, A. W. Sandvik, M. H. Amin. „Quantum critical dynamics in a 5,000-qubit programmable spin glass“, Nature, 617:7959 (2023), pp. 61–66.
  20. G. L. Miller. „Riemann's hypothesis and tests for primality“, STOC '75: Proceedings of the seventh annual ACM symposium on Theory of computing (5–7 May 1975, Albuquerque, New Mexico, USA), ACM, New York, pp. 234–239.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».