Symmetry-guided quantum state preparation: Branched-Subspaces Adiabatic Preparation (B-SAP)

技術要約：分岐部分空間断熱準備法 (B-SAP)

問題提起
量子状態の準備は、物理学、化学、データサイエンスにおける複雑な多体系のシミュレーションにおいて極めて重要なタスクである。現在のアプローチは、重大なトレードオフに直面している。変分量子アルゴリズム（VQA）は、パラメータ化されたアンザッツと古典的な最適化に依存しているが、これらはしばしば「バレン・プラトー」（指数関数的に消失する勾配）や、指数関数的に巨大なパラメータ空間を必要とすることによるスケーラビリティの欠如、および局所解に関連する収束の問題に悩まされる。一方、断熱準備（AP）は、初期状態を時間依存ハミルトニアンの下で進化させてターゲット状態に到達させる。概念的には異なるものの、APはエネルギー・スペクトルのギャップに対して非常に敏感である。もしエネルギー準位が交差したり、システムサイズとともにギャップが指数関数的に閉じたりする場合、断熱定理は特定の固有状態の準備を保証できず、結果として未知の縮退した状態の重ね合わせが生じることになる。これらの制限は、光学スペクトル、電荷移動プロセス、反応中間体の理解に不可着欠な、基底状態と励起状態の同時準備を困難にしている。

手法：分岐部分空間断熱準備法 (B-SAP)
著者らは、群論的構造と古典的な後処理を通じて、VQAの構造的な強みとAPの強みを統合し、それぞれの弱点を軽減するハイブリッドアルゴリズムであるB-SAPを提案している。

1. 対称性誘導型初期化： 縮退を避けるために最小限の対称群を持つ初期ハミルトニアン ($H_0$) を選択する一般的なAPとは異なり、B-SAPは、ターゲットとなるハミルトニアン ($H_T$) の対称群を部分群として含む対称群を持つ $H_0$ を選択する。その結果、初期エネルギー・スペクトルは高い縮退を示す。
2. パラメータ化ゲートによる部分空間探索： アルゴリズムは、$H_0$ に対応する縮退固有空間 $S(B_n)$ およびエネルギー準位 $E_n$ を特定する。汎用的なアンザッツを使用する代わりに、B-SAPは、この部分空間上の自己準同型として作用する一連のパラメータ化されたユニタリゲート $\{G_j(\alpha_j)\}$ を構築する。これらのゲートは、ユニタリ群 $U(d_n)$（ここで $d_n$ は部分空間の次元）の生成元から導出され、参照状態に対する写像が固定された場合に全単射となるよう、余集合空間 $U(d_n)/U(d_{n-1})$ に還元されている。
   • 決定的なことに、学習可能なパラメータの数は $2d_n - 1$ （またはグローバル位相が無視できる場合は $2(d_n-1)$）としてスケールする。考慮されているモデルにおいて $d_n$ はシステムサイズ $L$ に対して多項式的にスケールするため、パラメータ数はバレン・プラトーを招く指数関数的なスケーリングを回避できる。
3. 分岐を伴う断熱進化： システムは $H_0$ から $H_T$ へと断熱進化を行う。ハミルトニアン $H(s)$ の対称性は、一定であるか、あるいは減少する（対称性が破れるのであり、導入されるのではない）ため、既約表現（irreps）は変化しないか、あるいは「分岐（splitting）」する。この「分岐」構造は、従来のAPにおいてレベル交差を引き起こす異なるエネルギー準位の合流を防ぐ。このプロトコルにより、スペクトルのギャップ条件は、個々の固有状態間ではなく、異なる固有空間間においてのみ要求されることになり、成功的な準備のための制約が緩和される。
4. 古典的な後処理 (MC-VQE)： 最適化のボトルネックに陥ることなくパラメータを最適化するために、著者らは多状態縮約変分量子固有値ソルバー (MC-VQE) を採用している。
   • 単一の状態を最適化する代わりに、アルゴリズムは量子レジスタ上にオーバーラップ状態 $|\Psi^p_{ml}\rangle$ （基底状態の重ね合わせ）を準備する。
   • 進化した基底におけるターゲット・ハミルトニアン $H_T$ の行列要素を測定し、$d_n \times d_n$ 行列 $[H_T]^{(n)}_{ml}$ を構成する。
   • この行列を古典的に対角化することで、固有値とターゲット固有ベクトルの係量を得る。
   • その後、準備された状態と古典的に導出されたターゲットベクトルのオーバーラップを最大化するように、パラメータを古典的に調整する。これにより、最終的な最小化ステップにおける困難な量子回路の必要性が排除され、損失関数に対する既知のグローバルな最小値が得られる。

主な貢献

• ハイブリッド・フレームワーク： 本論文は、ヒューリスティックなアンザッツ（VQAに共通）と厳格な非交差ギャップ要件（APに共通）の両方を回避する新しいアルゴリズムを導入している。
• 群論的構成： ハミルトニアンの対称群の表現論を利用して、特定の縮退部分空間を効率的に探索するパラメータ化された回路を構築しており、これによりパラメータ数がシステムサイズに対して多項式的にスケールすることを保証している。
• レベル交差への堅牢性： 対称性が導入されるのではなく破れるように断熱経路を設計することで、従来の断熱進化を悩ませる偶発的な縮退の形成を防ぎ、励起状態の準備を可能にしている。
• 古典的最適化のバイパス： MC-VQEの統合により、小さな行列の古典的な対角化を通じて励起状態の情報を抽出することができ、困難な量子・古典間の最適化ループへの依存を軽減している。

結果
著者らは、量子シミュレータ (Qiskit) を用いて、システムサイズ $L=10$ 量子ビットまでの周期境界条件を持つ一次元XYZハイゼンベルクモデルを用いてB-SAPを検証した。

• 精度： アルゴリズムは、広範な結合定数 ($J_x, J_y, J_z$) の範囲において、基底状態および最初の4つの励起状態を正常に準備した。
• 誤差指標： 基底状態については、最小限のトロッター・ステップ ($L/2$) を用いても、ほとんどのパラメータ領域でランダムな状態のオーバーラップ ($2^{-L}$) と比較して無視できるほどの誤差（不完全性）であった。励起状態については、誤差は一般に10%未満であり、多くの場合パーセントレベル以下であった。
• スケーリング： 必要な回路の深さは、システムサイズ $L$ に対して多項式的にスケールする。
• 比較： 同一のモデルおよびパラメータを用いた標準的なAPと比較して：
  • 標準的なAPは基底状態については同等の性能を示したが、エネルギー準位の交差により、ほとんどのパラメータ領域で第一励起状態の準備に完全に失敗した。
  • B-SAPは、標準的なAPが失敗した箇所でも励起状態を準備することに成功し、縮退部分空間の分岐を通じてレベル交差を回避できる能力を実証した。

意義と主張
本論文は、B-SAPが精度、リソース効率、および堅牢性のバランスを取りながら、近未来の量子コンピューティング・プラットフォームにおける量子状態準備への有望な道筋を提供すると主張している。

• 近未来への適用可能性： 回路の深さとパラメータの多項式的なスケーリングにより、コヒーレンス時間や接続性に制限のあるデバイスに適したアルゴリズムとなっている。
• 励起状態へのアクセス： この手法は、光学スペクトルや化学的反応性を決定するために不可欠であるが、レベル交差や最適化の困難さから通常はアクセスが困難な、高次の励起状態の信頼性の高い準備を可能にすることで、現在の能力における決定的なギャップに対処している。
• 将来の展望： 著者らは、このアプローチが複雑な材料、量子化学、および場理論の量子シミュレーションへと拡張可能であることを示唆しており、今後の課題として、実ハードウェアへの展開に向けたエラー抑制技術の統合を挙げている。本論文は、すべての量子状態準備の一般的な問題を解決すると主張するものではなく、既知の対称性を持つ多体系に対する、具体的かつ効果的な解決策としてB-SAPを位置づけている。