Ground-state energies of Ising models calculated using the samples from a quantum computer that simulates short-time evolution

本論文は、ガイド付きサンプリング Ansatz を用いたカスケード型変分量子固有値ソルバーにより、最大 63 量子ビットの均一およびランダム結合イジングモデルの基底状態エネルギーを計算し、ヘビーハックス lattices における近未来の量子有用性に対する誤差限界と性能洞察を確立することを示す。

要約

あなたが広大な霧に包まれた山脈で、絶対的な最低地点を見つけようとしていると想像してください。この「最低地点」は、複雑な系（この場合はイジングモデルと呼ばれる磁性体）の最も安定した、静かな状態を表しています。古典コンピュータでは、巨大な山脈のすべての谷と峰を地図化しようとするのは、海岸のすべての砂粒を数えようとするようなもので、時間がかかりすぎ、実質的に不可能です。

本論文は、研究者たちが量子コンピュータを用いてその最低地点の発見を試みた実験について記述しています。ただし、一点の工夫があります：彼らはコンピュータが完璧になるのを待たなかったのです。代わりに、コンピュータが多少ノイズや誤りを帯びていても機能する「十分良い」アプローチを採用しました。

以下に、彼らの手法と発見を日常的な比喩を用いて解説します。

問題：霧に包まれた山

研究者たちは、特定の種類の磁性系（イジングモデル）を研究しています。彼らが知りたいのは「基底状態エネルギー」であり、これは言い換えれば、「これらの磁気スピンが最もリラックスした、エネルギーが最低の配列とは何か？」という問いです。

大規模な系の場合、古典コンピュータは霧の中で迷い込みます。可能性が多すぎるため、答えを計算することができないのです。

解決策：ガイド付きハイキング（CVQE アルゴリズム）

山全体を一度に解こうとする代わりに、研究者たちは**カスケード型変分量子固有値ソルバー（CVQE）とガイド付きサンプリングアンサッツ（GSA）**と呼ばれる手法を用いました。

次のように考えてみてください：

1. 短いハイキング：目隠しをして山に落とされたと想像してください。底は見えません。そこで、特定の方向に非常に短く、素早く歩きます（短時間進化）。底には到達しませんが、出発点よりも低い谷にたどり着きます。
2. サンプリング：あなたがたどり着いた場所のスナップショットを撮ります。これを何度も行います（彼らの実験では 1,000 回）。
3. 地図作成：これらのすべてのスナップショットを古典コンピュータ（通常のノートパソコン）に渡します。ノートパソコンはあなたが訪れたすべての場所を見て、「よし、これらの特定の場所を組み合わせれば、最も有望な谷の小さな詳細な地図が作れる」と言います。
4. 計算：古典コンピュータは、その小さな地図の数学を解いて、真の最低地点を見つけます。

「ガイド付きサンプリング」の部分が鍵です。量子コンピュータは単にランダムに推測するのではなく、その短く素早い歩行によって検索を適切な領域へと「誘導」し、山の無用な部分をフィルタリングします。

実験：IBM の「ヘビー・ヘックス」プレイグラウンド

研究者たちは、IBM の量子コンピュータTorinoを使用しました。このコンピュータは、ヘビー・ヘックス格子（連結した六角形のパターン）のような、特定の配置の量子ビット（量子情報単位）を持っています。彼らは磁性の問題をこの形状に直接マッピングし、コンピュータが効率的に処理できるようにしました。

彼らは 2 種類の磁性系をテストしました：

1. 均一系：すべての磁石が互いに全く同じ方法で相互作用するもの（完全に均一な森のようなもの）。
2. ランダム結合系：相互作用がランダムで散漫なもの（いくつかの木が絡み合い、いくつかは離れており、風があらゆる場所で異なって吹く森のようなもの）。これは解くのが難しく、「スピンガラス」に似ています。

彼らは最大63 量子ビット（スピン）の系をテストしました。

結果：霧が勝つのはいつか

研究者たちは、この手法がうまく機能することを発見しましたが、限界もあります。

• 絶好のスポット：より小さな系と弱い磁気相互作用の場合、量子コンピュータは彼らを非常に正確な答えへと導くことができました。
• 限界点：システムが大きくなる（量子ビットが増える）か、磁気相互作用が強くなると、量子コンピュータ内の「ノイズ」（誤り）が信号を飲み込み始めます。それはハリケーンの中でささやきを聞こうとするようなもので、やがて、あなたが谷にいるのか、それとも風が強い尾根にいるのか区別がつかなくなります。

彼らは、量子コンピュータがもはや有用でなくなる「境界」を発見しました。システムが大きすぎたり複雑すぎたりすると、誤りが答えを信頼できなくしてしまいます。

「情報スコア」（どうやって正解かを知るか）

この論文の最も巧妙な部分の一つは、答えを事前に知らずに、彼らの答えが良質かどうかを確認する方法です。

彼らは**「情報比」**を作成しました：

• 量子コンピュータを、手がかり（サンプル）を集める探偵だと想像してください。
• 古典コンピュータを、その手がかりを使って事件を解決しようとする探偵だと想像してください。
• もし探偵が事件を解決するために実際に必要な以上の手がかりを集めれば、彼らは正しい答えを持っていると確信できます。
• もし探偵が必要な未満の手がかりしか集めなければ、彼らは単に推測しているだけです。

彼らは、「情報比」が正の値のとき、答えはおそらく正しいことを発見しました。それがゼロ以下に落ちたとき、量子誤りが支配的になり、結果は信頼できなくなったのです。

大きな教訓

この論文は、イジングモデルが、今日の「ノイズの多い」量子コンピュータにとって完璧な候補であると結論付けています。

量子コンピュータはまだ完璧ではありませんが、これらの磁性モデルの背後にある数学は単純であり、「短いハイキング」手法が機能します。答えを見つけるために必要な手がかり（サンプル）の数は、システムが大きくなるにつれて指数関数的に爆発するのではなく、ゆっくりと増加します。これは、現在の不完全な量子コンピュータを用いて、古典コンピュータには不可能な物理学の問題、特に磁性体やスピンガラスの理解を解くことができることを示唆しています。

要約すると：彼らはノイズの多い量子コンピュータに、正しい地区を見つけるために数回素早く歩むよう教え、その後、正確な家を見つけるために通常のコンピュータを使いました。これは中規模の問題では非常にうまく機能しますが、地区が大きくなりすぎると、ノイズがあまりにも大きくなり、方向指示を聞くことができなくなります。

技術概要

以下は、量子コンピュータからのサンプリングを用いて短時間進化をシミュレートするイジングモデルの基底状態エネルギーを計算したという論文の技術的要約である。

1. 問題定義

本論文は、近未来の量子コンピュータ（NISQ デバイス）における横磁場イジングモデルの基底状態エネルギーの計算という課題に取り組んでいる。

• 課題: 多くの量子アルゴリズムは長いコヒーレンス時間と深い回路を必要とするが、ノイズとデコヒーレンスのため、現状では実現不可能である。
• 具体的な目標: 短時間進化シミュレーションが、特に63 量子ビットまでのシステムに対して、基底状態エネルギーを見つけるためのアンサッツを構築するために効果的に利用可能かどうかを判断すること。
• 背景: 著者らは、「量子ユーティリティ」領域、すなわち古典的には扱いにくい（あるいは特定のヒューリスティクスなしには近似が困難な）問題を量子コンピュータで解決できるが、完全なフォールトトレランスはまだ必要とされていない領域での動作を目指している。彼らは、IBM の量子プロセッサのアーキテクチャに合致するヘビーハックスラット上の均一およびランダム結合（スピンガラス）モデルの両方に焦点を当てている。

2. 手法

著者らは、**カスケード型変分量子固有値ソルバー（CVQE）とガイデッド・サンプリング・アンサッツ（GSA）**を組み合わせたハイブリッド量子古典アプローチを採用している。

A. 短時間進化（断熱的でない準備）

長いコヒーレンス時間を必要とする緩やかな断熱進化の代わりに、著者らは短時間進化（$T \sim \Delta t$）を使用する。

• ハミルトニアン: 結合強度 $\Omega_{ij}(t)$ が時間 $T$ にかけて 0 から $J_{ij}$ へと変化する時間依存ハミルトニアン $\hat{H}(t)$ を定義する。
• トロッター・スズキ分解: 進化演算子は、単一ステップ（または数ステップ）のトロッター分解を用いて近似される。
• メカニズム: 進化が完全に断熱的ではなくとも、短時間進化はフィルターとして機能する。それは $\Delta E \sim 1/\Delta t$ の窓外の高能状態を指数関数的に抑制し、系を基底状態を含む部分空間へと誘導する。

B. ガイデッド・サンプリング・アンサッツ（GSA）

量子コンピュータは、最終的な解を直接生成するのではなく、「ガイディング状態」を生成するために使用される。

1. サンプリング: 量子コンピュータは短時間進化回路を実行し、$N_S$ ショットを実行して基底状態 $|\Phi_s\rangle$ を測定する。
2. 部分空間の構築: これらの測定された状態は集合 $B$ を形成する。著者らはその後、ハミルトニアン $\hat{H}$ を $B$ 内の各状態に一度適用すること（すなわち $B_1 = \{ \hat{H}|\Phi_s\rangle \}$）により、より大きな部分空間 $B_1$ を構築する。
3. 古典的対角化: ハミルトニアンをこの部分空間 $B_1$ に射影して行列 $\hat{H}^{(1)}$ を形成する。この行列は古典コンピュータ上で対角化され、最小固有値（実効的な基底状態エネルギー）が求められる。
4. 効率性: この手法は、イジングモデルの場合、部分空間のサイズ $|B_1|$ がシステムサイズに対して亜指数関数的に増加するという事実に依存しており、これにより古典的な対角化が可能となる。

C. エントロピー分析（誤差指標）

正確な基底状態を知らずに結果の信頼性を評価するために、著者らは情報理論的指標を導入する。

• ショットエントロピー（$S_B$）: 量子測定から得られる情報を測定する。
• 分布エントロピー（$S_\Psi$）: 構築された基底状態を記述するために必要な情報を測定する。
• 情報比（$R$）: $R = \log_2 \left( \frac{I_B}{K I_\Psi} \right)$ と定義される。ここで $I_B$ は量子コンピュータからの情報、$I_\Psi$ はアンサッツに必要な情報、$K$ は結合因子である。
  • $R > 0$: 量子コンピュータが正確な状態を構築するのに十分な情報を提供したことを示す（成功）。
  • $R < 0$: 量子コンピュータが不十分な情報を提供したことを示し、おそらくノイズによるもの（失敗）。

3. 主な貢献

• 量子ユーティリティの実証: 古典的な総当たりシミュレーションが不可能な規模であるIBM Torino（Heron r1）プロセッサ上で、最大63 量子ビットのイジングモデルの基底状態エネルギーの計算に成功した。
• 新規誤差指標: 許容される量子誤差の境界を定量的に決定するための**情報比（$R$）**を開発した。これにより、研究者は正確な解を事前に知らなくても、物理的な偏差とハードウェアに起因する誤差を区別できる。
• 部分空間解析: $|J| \sim |B|$ の領域において、イジングモデルの基底状態を近似するために必要な基底状態の数が指数関数的ではなく多項式的（線形から3 次）に増加するという証拠を提供した。これは、これらの特定の問題に対する CVQE/GSA アプローチの効率性を裏付けるものである。
• ランダム結合（スピンガラス）: 古典アルゴリズムにとって極めて困難な問題として知られるランダム結合モデル（スピンガラス）に手法を拡張し、特定の誤差閾値まで手法が堅牢であることを示した。

4. 結果

• 均一モデル:
  • アルゴリズムは、結合強度（$J_0$）およびシステムサイズ（$N_Q$）の関数として、基底状態エネルギーと平均スピンを正常に追跡した。
  • 誤差境界: 滑らかな物理曲線からの逸脱は $R < 0$ と相関していた。$N_Q$ と $|J_0|$ が増加するにつれ、量子ノイズ（ゲート誤差と読み出し誤差）が結果を劣化させ、最終的に最大のシステムにおいて高い結合条件下で手法が失敗した。
• ランダム結合モデル:
  • この手法はスピンガラスの乱れを効果的に処理した。
  • 情報比（$R$）は、量子誤差が結果を支配する領域（パラメータ空間の右下）を正常に特定し、他の領域での $R > 0$ は信頼性の高い結果を示した。
• 部分空間のスケーリング:
  • 基底状態構造の分析により、有意な基底状態（無視できない確率を持つもの）の数は、均一モデルおよびランダムモデルの両方において、量子ビット数に対して亜指数関数的（おおよそ線形から3 次）にスケーリングすることが示された。
  • これは、基底状態に対する「実効的な」ヒルベルト空間が、古典的な事後処理に対して十分に小さいことを確認するものである。

5. 意義と結論

• NISQ アルゴリズムの実現可能性: 本論文は、短時間進化とガイデッド・サンプリングを組み合わせることが、近未来の量子コンピュータに対する実行可能な戦略であることを実証している。これは、深いエラー訂正回路の必要性を回避する。
• 物理的洞察: 量子ハードウェア上でランダム結合イジングモデル（スピンガラス）をシミュレートする能力は、現在未知である不規則な磁性系の新しい物理的性質を発見する扉を開く。
• 将来展望: 著者らは、現在のハードウェアでは最大のシステムにおける高い結合条件下での精度に限界があるものの、基底状態に対する情報要件はシステムサイズとともに顕著に増加しないとの結論に至っている。量子ハードウェアが改善（ゲート誤差の低減）されるにつれて、この手法はさらにスケーリングし、古典コンピュータでは厳密に扱い不可能な問題を解決する可能性が期待される。

要約すると、この研究は、短時間ダイナミクスとハイブリッド量子古典部分空間展開を活用し、新しい情報理論的誤差指標によって検証された、現在の量子ハードウェアを用いて複雑な多体系物理学の問題を解決するための具体的な道筋を提供している。