Two-Gate Extensions of Free Axis and Free Quaternion Selection for Sequential Optimization of Parameterized Quantum Circuits

この論文は、パラメータ化量子回路（PQC）の逐次最適化アルゴリズムである「Free Axis Selection (Fraxis)」と「Free Quaternion Selection (FQS)」を拡張し、2 つの単一量子ビットゲートを同時に最適化する新しい手法「Two-Gate Fraxis (TGF)」と「Two-Gate FQS (TGFQS)」を提案するものです。

以下に、問題設定、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題設定 (Problem)

変分量子アルゴリズム（VQA）におけるパラメータ化量子回路の最適化には、以下のような課題が存在します。

• ** barren plateaus（砂漠の高原）:** 量子ビット数が増加すると勾配が指数関数的に消失し、最適化が困難になる現象。
• 測定オーバーヘッド: コスト関数の観測量を推定するために必要な回路評価回数（ショット数）が、量子ビット数や回路の深さに伴って急増する問題。
• 既存の逐次最適化の限界: 従来の Fraxis や FQS は、1 回の更新で 1 つの単一量子ビットゲートのみを最適化します。これらは局所コスト関数が二次形式であり、行列の対角化によって解析的に解けるという利点がありますが、パラメータ空間を一度に広く探索する能力に限界があります。

2. 手法 (Methodology)

著者は、Fraxis と FQS を「2 ゲート同時最適化」に拡張しました。

• 基本コンセプト:

  • 従来の手法が 1 つのゲートを固定して最適化するのに対し、TGF と TGFQS は回路内の任意の 2 つのパラメータ化された単一量子ビットゲート（$R_d$ と $R_k$）を同時に最適化します。
  • これらのゲートは隣接している必要はなく、回路内のどこに配置されていても構いません。

• コスト関数の定式化:

  • Fraxis/FQS (1 ゲート): 局所コスト関数は二次形式（2 次）であり、実対称行列の固有値問題を解くことで最適解が得られます。
  • TGF/TGFQS (2 ゲート): 2 つのゲートを同時に扱うため、局所コスト関数は4 次形式（quartic）になります。
    • FQS の拡張（TGFQS）では、回転軸と角度を単位四元数 $q \in \mathbb{R}^4$ で表現し、2 つの四元数 $q_d, q_k$ に関する 4 次多項式を構築します。
    • Fraxis の拡張（TGF）では、回転角を $\pi$ に固定し、回転軸のみを最適化します（四元数の第 1 成分を 0 とする特殊ケース）。
  • 4 次形式の最適化問題は解析的な閉形式解を持たないため、SLSQP などの古典的な制約付き最適化ソルバーを用いて数値的に解かれます。

• ゲートペアリング戦略:

  • どの 2 つのゲートをペアとして最適化するかを決定する戦略が重要です。論文では以下の 4 つの戦略を比較検討しました。
    1. Linear: 隣接するゲートを順にペアリング $(1,2), (3,4), \dots$
    2. Random: ランダムにペアを生成。
    3. Opposite: 先頭と末尾から対称な位置をペアリング $(1, D), (2, D-1), \dots$
    4. Half-Shifted: 半分のシフト量でペアリング $(1, D/2+1), (2, D/2+2), \dots$

• 回路評価コスト:

  • 1 つのゲートペアの更新には、TGF で 36 回、TGFQS で 100 回の回路評価が必要です（ゲート 1 つあたり平均 18 回、50 回）。これは従来の 6 回（Fraxis）、10 回（FQS）よりも大幅に多いですが、パラメータ空間の探索能力が向上します。

3. 主要な貢献 (Key Contributions)

1. 2 ゲート同時最適化アルゴリズムの提案: Fraxis と FQS を 4 次局所コスト関数に基づく 2 ゲート最適化に拡張し、TGF と TGFQS を定義しました。
2. 厳密な 4 次コスト関数の構築: 2 つの任意の単一量子ビットゲートを同時に最適化するための、回路評価から再構成可能な厳密な 4 次多項式の導出と、その係数計算方法の提示。
3. ゲートペアリング戦略の影響の解明: 最適化性能にゲートの選び方（ペアリング戦略）が大きな影響を与えることを示し、特に「Random（ランダム）」と「Half-Shifted（半シフト）」が多くのタスクで優位であることを実証しました。
4. 広範なベンチマーク: スピンハミルトニアン（フェルミ・ハバード模型、横磁場イジング模型）、分子ハミルトニアン（LiH, BeH2）、量子状態準備タスクにおける性能評価。

4. 結果 (Results)

数値実験（PennyLane 使用、ノイズなし状態ベクトルシミュレータおよび有限ショット実験）により以下の結果が得られました。

• 精度の向上:
  • 基底状態エネルギーへの相対誤差、または忠実度（infidelity）において、TGF と TGFQS は従来の Fraxis/FQS よりも低い最終誤差を達成することが頻繁に確認されました。
  • 特に、ランダムおよび半シフトペアリング戦略を採用した場合、誤差が 1〜2 桁程度改善されるケースもありました。
• ペアリング戦略の影響:
  • 「Linear」や「Opposite」戦略は単一ゲート手法との差が小さかったり、改善が限定的でした。
  • 「Random」と「Half-Shifted」が最も高い性能を示し、局所最適化の力を最大限に引き出すことが示唆されました。
• 有限ショット（測定ノイズ）への耐性:
  • フェルミ・ハバード模型およびイジング模型（8 量子ビット）の有限ショット実験（4096〜16384 シット）において、TGF は Fraxis よりも優れた収束性を維持しました。
  • TGFQS はショット数が増えるほど性能が向上する傾向があり、測定精度に敏感であることが示されました。
• 深さ依存性:
  • 浅い回路（浅い層数）において特に顕著な改善が見られました。層数を増やすと、必ずしも TGF/TGFQS の相対的な優位性が維持されるわけではありませんでした。
• 計算コストとのトレードオフ:
  • 1 ゲートあたりの回路評価回数は増大しますが、その分、より少ない「ゲート更新回数」で高い精度に到達できる、あるいは最終的な精度が向上するというトレードオフが確認されました。

5. 意義 (Significance)

• 局所最適化の強化: 従来の逐次最適化アルゴリズムが抱える「1 つのゲートしか更新しない」という制約を打破し、2 つのゲートを同時に扱うことで、より複雑なパラメータ空間の探索を可能にしました。
• 実用的なアプローチ: 4 次最適化問題の解法として古典最適化ソルバー（SLSQP）を組み合わせることで、解析解が得られない場合でも実用的な最適化を実現しています。
• 並列化の可能性: 2 ゲートコスト関数を構築するための回路評価は相互に独立しているため、複数の量子デバイスで並列実行することで、測定オーバーヘッドを軽減できる可能性があります。
• 将来への展望: 本手法は、より多くのゲート（$m$ ゲート）を同時に最適化する拡張への道筋を示唆しています（ただし、必要な測定回数が $6^m$ または $10^m$ となり、指数的に増加するため、近似手法の開発が今後の課題となります）。

総じて、この論文は、パラメータ化量子回路の最適化において、単一ゲート更新から多ゲート同時更新への移行が、適切なペアリング戦略と組み合わせることで、測定コストの増大を補って余りある精度向上をもたらす可能性を示した重要な研究です。