Pre-optimization of quantum circuits, barren plateaus and classical simulability: tensor networks to unlock the variational quantum eigensolver

技術要約：量子回路の事前最適化、バリアン・プラトー、および古典的シミュラビリティ

問題提起
変分量子アルゴリズム（VQA）、例えば変分量子固有値ソルバー（VQE）は、相互作用する多体系の基底状態を準備するための有望なアプローチである。しかし、その実用性は「バリアン・プラトー（Barren Plateau: 不毛な高原）」問題によって阻害されている。これは、エネルギー地形がシステムサイズとともに指数関数的に平坦化し、勾配が消失して最適化が不可能になる現象である。近年の研究では、勾配が消失せず、多項式オーダーでのみ減衰する「肥沃な谷（fertile valleys）」が存在することが示唆されているが、これらの領域は多くの場合、古典的にシミュレート可能な有効部分空間に限定されている。本研究が取り組む中心的な課題は二重である。(1) 古典的手法を用いて、バリアン・プラトーを回避するためにこれらの学習可能な領域内に量子回路を効果的に初期化できるか？ (2) 一度初期化された後、量子プロセッサはさらなる最適化において古典的シミュレーションに対する計算優位性を提供するのか、それとも問題は依然として古典的にシミュレート可能なのか？

手法
著者らは、パラメータ化された量子回路（PQC）を事前最適化するために、二次元テンソルネットワーク（TN）、具体的には投影もつれ対状態（PEPS）を用いたハイブリッド古典-量子戦略を提案している。

• 古典的事前最適化: 著者らは、横磁場イジングモデル（TFIM）の基底状態を準備するために設計されたPQCを、自動微分と組み合わせたPEPSおよび「シンプル・アップデート（Simple Update: SU）」アルゴリズムを用いて最適化する。これにより、浅い回路のための最適パラメータ（$\theta_{opt}$）を決定する。
• ウォームスタート初期化: これらの最適化されたパラメータは、より深い量子回路の初期化に使用される。より深い層の残りのパラメータはゼロ（恒等初期化）に設定され、これによりTNによって最適化された状態が、より深いアンザッツの中に埋め込まれる。
• 地形診断: バリアン・プラトーの回避を検証するために、著者らはウォームスタート点の周囲のエネルギー地形を調査する。$\theta_{opt}$ の周囲の半径 $r$ のハイパーキューブ内でパラメータをサンプリングし、勾配の大きさの代用としてエネルギー分散 $\text{Var}(E)$ を測定する。
• 複雑性の比較: 本論文では、古典的なTNシミュレーションのコストと量子サンプリングのコストのスケールを比較している。古典的な誤差のスケーリングは $\epsilon_{TN} \propto t^{-\beta}$（ここで $t$ はシミュレーション時間）としてフィッティングされる。これは、量子サンプリングの誤差スケーリング $\epsilon_{QC} \propto t^{-1/2}$ と比較される。古典的なスケーリング指数 $\beta < 0.5$ である場合、量子優位性が主張される。

主な結果

• バリアン・プラトーの緩和: 本研究は、PEPSによる事前最適化が「肥沃な谷」を特定することに成功したことを示している。heavyhex（超伝導量子ビットのプロトタイプで使用）および2D正方格子トポロジーの両方において、 substantial な勾配が存在する領域（$r_{max}$）は、システムサイズや回路深さに対して指数関数的に縮小しない。代わりに、$r_{max}$ はシステムサイズに対して線形に、および $1/\sqrt{D}$ に比例してスケールする。
• 異なるトポロジーにおける性能:
  • Heavyhex格子: PEPS最適化は非常に効果的である。127量子ビットまでのシステムにおいて、古典的TNシミュレーションはスケーリング指数 $\beta \approx 1.24 - 1.56$ を示す。$\beta > 0.5$ であるため、このレジームでは古典的手法が量子サンプリングよりも効率的であり、これらの特定のトポロジーや深さについては即座に量子優位性は認められないことを示唆している。
  • 正方格子: 高い結合性とループ相関のため、TN収縮のコストが高くなる。MPS境界収縮スキームを用いた結果、著者らはスケーリング指数 $\beta \approx 0.15 - 0.17$ を見出した。$\beta < 0.5$ であることは、これら高度に結合されたトポロジーにおいては、バリアン・プラトーを回避しつつも、古典的TNシミュレーションに対して多項式的な量子優位性があることを示している。
• 深さと初期化: 事前最適化された深さ（$D^*$）を2層から6層へと増加させると、古典的なスケーリング効率はわずかに低下（$\beta$ が増加）したが、学習可能な領域が消失することはない。この戦略により、一次元を超えた大規模なシステムに対しても、高いエネルギー精度を持つ状態の準備が可能となる。

意義と主張
本論文は、古典的なテンソルネットワークを用いて「ウォームスタート」初期化を行うことで、VQAにおけるバリアン・プラトーを回避する実行可能な経路を提供すると主張している。著者らは、特定された「肥沃な谷」は古典的にシミュレート可能であることを強調している。量子優位性はすべてのケースで保証されるわけではなく、古典的な収縮コストが量子サンプリングと比較して極めて高くなる特定のトポロジー（正方格子など）においてのみ観察される。

• 優位性に関する控えめな主張: 著者らは、特定された「肥沃な谷」は古典的にシミュレート可能であることを明示している。量子優位性は、現在の研究における特定のトポロジーのように、古典的TNシミュレーションのコストが量子サンプリングと比較して過度に高くなる場合にのみ観察される。
• 範囲: 本研究は、変分的な基底状態準備の文脈において枠付けられている。著者らは、DMRGなどの他の古典的アルゴリズムを主要な比較対象としたのではなく、むしろ「同一の変分タスク」に対するTNシミュレーションと量子ハードウェアとの間の具体的なトレードオフに焦点を当てている。
• 今後の展望: 著者らは、より長距離の相互作用、よりもつれ状態の強い基底状態、より結合の強い格子といった、より困難な問題へと移行することで、現在の研究で観察されたものよりも強力な量子優位性が得られる可能性があると示唆している。また、勾配評価のコスト（パラメータ数に応じてスケールする）を考慮に入れることが、最終的には公正な比較になるとも述べている。