A penalty-free quantum algorithm to find energy eigenstates

本論文は、ペナルティ関数、変分ステップ、またはハイブリッド量子古典アプローチに依存することなく、多体ハミルトニアンの基底状態および励起状態を特定する完全量子アルゴリズムを提案する。

要約

広大な霧に包まれた山脈で、最も低い地点を見つけようとしていると想像してください。物理学の世界では、この「最も低い地点」を基底状態と呼び、それより高い山頂を励起状態と呼びます。これらの地点がどこにあるかを知ることは、物質がどのように振る舞うか、磁石がどのように機能するか、そして量子コンピュータがどのように動作するかを理解する上で科学者にとって重要です。

長らく、コンピュータ上でこれらの地点を見つけることは、物差しでその山脈のあらゆる1インチをマッピングしようとするようなものでした。山が大きくなる（関与する粒子数が増える）につれて、古典コンピュータにとってはこの作業が不可能になります。なぜなら、データの量が爆発的に増加するからです。

本論文は、これらの地点を見つけるための新しい「ペナルティフリー」な量子アルゴリズムを導入します。これは、これらの地点を見つけるための賢く自動化されたドローンのようなものです。その仕組みを、簡単な概念に分解して以下に示します。

1. 旧来の方法の問題点

現在のほとんどの方法は、推測と検証を繰り返して最も低い地点を見つけようとするようなものです。モデルを構築し、場所を推測し、その後、古典コンピュータを使ってその推測を微調整します。

• 罠: 時々、コンピュータは「バレン・プレート（不毛な高原）」と呼ばれる平坦な領域に閉じ込められてしまいます。これは、推測をどの方向に少し動かしても、それが改善されない平坦な砂漠を歩いているようなもので、どの方向が谷へ続くのか分からない状態です。
• ペナルティ: 2番目に低い地点（最初の励起状態）を見つけるために、従来の方法はしばしば数学に「ペナルティ」を追加する必要があります。これは、ドローンが最も低い地点を無視して次のものを探すよう強制するために、その地点に巨大な岩を置くようなものです。この岩は構築が難しく、しばしばシステムを破綻させます。

2. 新しいアプローチ：「確率的サンプリング」

著者らは、推測もペナルティも使用せず、古典コンピュータの助けも必要としない手法を提案します。これは**虚数時間発展（Imaginary Time Evolution: ITE）**に依存しています。

ITE を、システムから徐々に「エネルギー」を抜き取る魔法のフィルターだと考えてください。ランダムな状態の混合から始めると、このフィルターは自然に高エネルギー状態を抜き取り、最も低いエネルギー状態のみを残します。

量子コンピュータ上でこれをどのように実現するか:
エネルギーを一度に抜き取る巨大で複雑な機械を作ろうとする代わりに、彼らは問題を2つのより小さく簡単な部分（部分Aと部分Bと呼びましょう）に分割します。

• 複雑なパズルがあると想像してください。しかし、左半分と右半分のそれぞれの解は別々に分かっているとします。
• アルゴリズムは、ランダムに片方の部分（A または B）を選び、それにわずかな「抜き取り」を適用します。
• このランダムなサンプリングを数千回繰り返すことで、システムは自然に基底状態へと流れます。これは、丘を転がり落ちる水滴のようであり、地図は必要なく、単に抵抗の最も少ない経路に従うだけです。

3. より高い山頂（励起状態）を見つける

ドローンが最も低い谷（基底状態）を見つけると、ペナルティの岩を使わずに、次に低いものを見つけるにはどうすればよいでしょうか？

著者らは、状態ベースシミュレーションと呼ばれる巧妙なトリックを使用します。

• アナロジー: 最も低い谷を見つけたと想像してください。次に、2番目に低い谷を見つけたいとします。最初の谷に岩を置く代わりに、その谷の完璧な「ゴーストコピー」を作成し、本物の谷の隣に置きます。
• その後、アルゴリズムは、本物のシステムとこのゴーストコピーの間で特別なダンス（量子演算）を実行します。本物のシステムがゴーストコピー（基底状態）とあまりにも似ている場合、そのダンスはそれを打ち消します。
• これにより、基底状態が効果的に「フィルタリングされ」、システムは自然に次の最も低い谷（最初の励起状態）へと落ち着くことができます。
• このプロセスを繰り返すことができます。2番目の谷を見つけたら、そのゴーストコピーを作成し、それをフィルタリングして3番目の谷を見つけます。

4. これが重要な理由

• ペナルティなし: 基底状態を無視させるために、人工的な「岩」（ペナルティ関数）を追加する必要はありません。単にそれらをきれいにフィルタリングするだけです。
• バレン・プレートなし: 古い「推測と検証」の方法のように、古典コンピュータを使ってパラメータを微調整することに依存しないため、無意味な平坦な領域に閉じ込められる罠を回避できます。
• 純粋に量子: 量子コンピュータの自然な性質を利用して重労働をこなすため、完全に量子コンピュータ上で実行されます。

5. 証明

著者らは、横方向イジングモデル（上向きまたは下向きに反転できる小さな磁石の列と想像してください）と呼ばれる有名なモデルを使用して、このアイデアをテストしました。

• 彼らは、基底状態と最初の3つの励起状態を正常に発見しました。
• 10個の磁石を含むより大きなシステムをシミュレートした際でも、結果は非常に正確でした（96% 以上の忠実度）。
• 磁石のエネルギーがほぼ同一（ほぼ縮退）であっても、アルゴリズムはそれらを区別できることを示しました。

まとめ

本論文は、複雑なエネルギー問題を解決するために量子コンピュータを使用する新しい方法を提示します。ペナルティに苦しみ、行き止まりに閉じ込められるのではなく、この手法はランダムサンプリングを使用して自然に最低エネルギー状態へと流れ、その後、ゴーストコピーを使用して既に発見したものをフィルタリングし、次のエネルギーレベルを明らかにします。これは、量子世界を理解するための、よりクリーンで直接的な道です。

技術概要

技術的概要：ペナルティなしの量子アルゴリズムによるエネルギー固有状態の探索

問題提起

多体ハミルトニアンの固有値と固有状態の探索は、物理学および計算科学における根本的な課題である。古典的手法は、量子ビット数 $n$ が増加するにつれて、指数関数的なスケーリング（$O(2^{2n})$ の記憶容量と $O(2^{3n})$ の時間）に直面する。量子アルゴリズムは前進への道を提供するが、既存のアプローチには重大な限界がある：

• 変分量子固有値ソルバー（VQE）： 量子 - 古典ハイブリッドアプローチであり、最適化中にしばしば「 barren plateaus（勾配の消失）」に悩まされる。励起状態の探索には通常、基底状態の寄与を抑制するためのペナルティ項が必要となり、複雑性と誤りの可能性が増大する。
• 量子アニーリング： 断熱性を保証するために長い進化時間を必要とし、基底状態と励起状態間の小さなエネルギーギャップに直面すると困難をきたす。
• 虚数時間進化（ITE）および QITE： 有望ではあるが、標準的な ITE は非ユニタリ演算子の実現におけるスケーラビリティの問題に直面する。量子 ITE（QITE）は、しばしば励起状態のために変分最適化やペナルティ項に依存しており、barren plateaus の課題を再導入し、複雑なアンサッツを必要とする。
• その他の手法： 量子フィルタ対角化（QFD）やフィルタ付き量子位相推定（FQPE）などの手法は、特定の参照状態や最適化されたフィルタ関数に強く依存する。

著者らは、ペナルティ関数、変分ステップ、または古典 - 量子ハイブリッドループを必要とせず、したがって barren plateaus を回避しながら、基底状態と励起状態の両方を探索できる完全な量子アルゴリズムの必要性を特定している。

手法

提案されたアルゴリズムは、混合状態密度行列の確率的サンプリングと状態ベースのシミュレーションに基づいた、完全な量子かつペナルティなしの手法である。

1. ハミルトニアンの分解と密度行列マッピング

本アルゴリズムは、対象とするハミルトニアン $H$ が、2 つの解ける成分 $H = h_1 + h_2$ に分解できると仮定する。ここで、$h_1$ と $h_2$ の固有値（$\lambda^j_i$）および固有状態（$|\psi^j_i\rangle$）は既知であり、準備が容易である。

• 著者らは、$h_1$ と $h_2$ の固有値をシフトおよび再スケーリングして、有効な確率分布を作成する。
• シフトされたハミルトニアンに等価な混合状態密度行列 $\rho$ を構築する：
  $$\rho = \frac{1}{C} (H + (c_1 + c_2)I) = \sum_{i,j} p^j_i |\psi^j_i\rangle\langle\psi^j_i|$$
  ここで、$p^j_i$ はシフトされた固有値から導出された確率である。$\rho$ の固有状態は $H$ の固有状態と同一である。

2. 基底状態のための確率的虚数時間進化（ITE）

基底状態を見つけるために、アルゴリズムは確率的サンプリングを用いて $\rho$ に対して ITE を実行する：

• サンプリング： 各時間ステップ $\eta$ において、分布 $\{p^j_i\}$ から射影演算子 $P^j_i = |\psi^j_i\rangle\langle\psi^j_i|$ がサンプリングされる。
• 進化演算子： 完全な非ユニタリ演算子 $e^{-\eta \rho}$ を実装する代わりに、アルゴリズムはサンプリングされた射影演算子に対して演算子 $I - \eta P^j_i$ を実装する。
• 回路実装： これは、補助量子ビットを含むポスト選択ユニタリ回路によって達成される。ユニタリ $U$ は $n$ 量子ビット制御 SU(2) ゲートである。系がサンプリングされた射影演算子に対応する状態にある場合、補助ビットは回転を受ける。そうでない場合は変化しない。補助ビットを $|0\rangle$ 状態でポスト選択することで、所望の $I - \eta P^j_i$ 操作が得られる。
• 収束： このプロセスを繰り返すことで、変分最適化なしに系を $\rho$（したがって $H$）の基底状態へと導く。

3. 励起状態のための状態ベースのシミュレーション

励起状態を見つけるために、アルゴリズムは既に発見された低エネルギー状態（例えば基底状態 $P_g$）の寄与を抑制しなければならない。

• 課題： 高度に絡み合った基底状態に対する射影演算子を直接実装することは困難である。
• 解決策： 著者らは状態ベースのシミュレーションプロトコルを利用する。これには、既知の基底状態 $P_g$ に準備された二重の $n$ 量子ビット系（補助）、制御量子ビット、および主要な系が含まれる。
• メカニズム： 制御量子ビットを条件として、主要な系と補助の間に制御付き SWAP ゲートが適用される。制御量子ビットを $|+\rangle$ 基底で測定することで、実質的に進化 $e^{-\eta P_g}$（$I - \eta P_g$ と近似）が実装され、基底状態成分が投影除去される。
• リフティング手順： 第一励起状態を見つけるために、密度行列分布において基底状態射影演算子をサンプリングする確率が人為的に「リフティング（増加）」される。その後、アルゴリズムはこの修正された分布に対して ITE を実行する。基底状態射影演算子がサンプリングされた場合、状態ベースのシミュレーションが用いられてそれをフィルタリングする。このプロセスは、より高い励起状態を見つけるために反復可能である。

4. 一般ハミルトニアン向けのバリエーション

2 つの解ける部分に容易に分割できないハミルトニアンの場合、著者らは $H$ をパウリ演算子の線形結合（$H = \sum \alpha_i O_i$）として扱うバリエーションを提案する。確率的サンプリングはこれらのパウリ演算子に直接適用され、進化ステップには同様の回路実装が用いられる。

主要な結果

著者らは、横磁場イジングモデル（周期的境界条件を持つ 1 次元鎖）の古典シミュレーションを用いてアルゴリズムを検証した。これは、解ける $Z$ 基底成分と $X$ 基底成分に分割できるため、ベンチマークとして機能する。

• 基底状態（4 量子ビット系）： 正確な基底状態との忠実度が**99.9%**に達した。
• 励起状態（4 量子ビット系）：
  • 第一励起状態：**98.6%**の忠実度。
  • 第二励起状態：**96.8%**の忠実度。
  • 第三励起状態：**96.6%**の忠実度。
• スケーラビリティ試験（10 量子ビット系）： アルゴリズムは基底状態（**98.6%**の忠実度）と第一励起状態（**97.8%**の忠実度）の探索に成功した。また、最初の 2 つの状態間の準縮退にもかかわらず、第三に低い固有状態（**90.2%**の忠実度）も解決した。
• パウリバリエーション： パウリ演算子サンプリングバリエーションも、4 量子ビットの場合の最初の 4 つの固有状態に対して高い忠実度（97.1%–99.5%）を示した。
• リソーススケーリング： 理論的解析によると、本アルゴリズムはステップあたり $O(n)$ の 2 量子ビットゲートでスケーリングし、$O(n^2)$ でスケーリングする Trotter ベースの ITE 手法よりも大幅に改善されている。

意義と主張

本論文は、現在のハイブリッドまたは変分的手法の欠点を克服する固有状態問題に対する完全な量子アルゴリズムを提示すると主張している：

1. ペナルティなし： 損失関数にペナルティ項を追加することなく励起状態を見つけるため、複雑なアンサッツの必要性と barren plateaus のリスクを回避する。
2. ハイブリッドステップなし： 古典的最適化ループの必要性を排除し、純粋な量子手続きとする。
3. 広範な適用性： $H$ を解ける部分に分割できるという仮定は制限的ではなく、多くの物理モデルや QMA 完全問題さえも網羅すると論じられている。
4. 堅牢性： この手法は、準縮退したエネルギー準位を持つ系であっても、複数の低エネルギー固有状態を逐次的に見つける能力を実証している。

著者らは、全体の成功率がポスト選択に依存しており、ゲート誤差とデコヒーレンスにより現在のノイズあり中規模量子（NISQ）デバイスでは課題となり得ることを認めている。しかし、彼らはこの手法が、古典的に扱いにくい固有状態問題に対処するための量子回路の具体的な道筋を提供し、量子計算ツールボックスへの基礎的な追加となることを提唱している。