Graph automorphisms to obtain Clifford symmetries in open and closed qudit models

本論文は、ハミルトニアンの不変量をグラフの特性へとエンコードすることで、閉じた系および開いた量子ディット（qudit）系におけるクリフォード対称性の特定をグラフ自己同型問題へと写像するアルゴリズムを提示し、様々な物理モデルにおける効率的な対称性検出と最適化を可能にするものである。

要約

想像してみてください。あなたは、何千もの小さな回転する歯車で構成された、巨大で信じられないほど複雑な機械を持っています。この機械は量子系であり、その歯車はクディット（量子ビットが2つ以上の状態を持つ、より高度な概念）と呼ばれています。

物理学者は、この機械の中に対称性を見出すことを好みます。対称性とは、ある種の「秘密のルール」のようなものです。もし特定のやり方で歯車を並べ替えたとしても、機械は全く同じように機能し続けるというルールです。これらのルールを知ることは、チートコードを手に入れるようなものです。科学者たちは、個々の歯車の回転をすべてシミュレートすることなく、機械の挙動を予測したり、最低エネルギー状態を見つけたり、その動きを理解したりできるようになります。

しかし、こうした隠れたルールを見つけることは、通常、干し草の山の中から針を探すような困難な作業です。この「干し草の山」こそが、ハミルトニアン（すべての歯車がどのように相互作用しているかを示す数学的な設計図）です。

ビッグアイデア：パズルを地図に変える

チャーリー・ネイションとそのチームによるこの論文の著者たちは、これらの隠れたルールを見つけるための新しい方法を考案しました。彼らは、対称性を見つけることは、数学的に**グラフ自己同型（Graph Automorphism）**問題を解くことと同じであることに気づいたのです。

ここで、次のような比喩を用います。

• 設計図： 量子機械の設計図を、指示書のリストだと想像してください。
• グラフ： チームはこのリストを地図（グラフ）へと変換します。各指示（または「パウリ・ストリング」）は、地図上の点（頂点）になります。
• つながり： 彼らは点同士の間に線（エッジ）を引きます。線の色と方向は、指示が互いにどのように相互作用するか（打ち消し合うのか、それとも増幅させるのか）を教えてくれます。
• 色： また、各指示の「重さ」や重要性（係数）に基づいて、点に異なる色を塗ります。

探偵の仕事

さて、対称性を見つけることは、マッチングのゲームになります。

• あなたは、地図上の点をどのように並べ替えるかを探しています。
• ルール： 新しい場所に点を移動させるには、その場所が同じ色であり、かつ同じ線のパターンでつながっている必要があります。
• もし、点を並べ替えても地図が以前と全く同じに見えるなら、あなたは対称性を見つけたことになります！

論文では、この並べ替えを効率的に行うコンピュータ・アルゴリズムを提供しています。ランダムに推測するのではなく、アルゴリズムは「手がかり（不変量）」を用いて可能性を絞り込みます。これは、まるで容疑者が条件に合致するかどうかを排除していく探偵の仕事のようです。

「オープン」なシステムへの対応

現実世界のほとんどの量子機械は、完全に孤立しているわけではありません。情報は周囲へと漏れ出していきます。これは**開放系（オープン・システム）**と呼ばれます。

• 閉じた系： 歯車が互いにしか会話しない、密閉された箱です。
• 開放系： 箱に穴が開いており、歯車が外の空気とも会話するような状態です。

著者たちは、この地図作成のトリックが、両方のケースで機能することを示しています。開放系の場合、情報の「漏れ」を考慮するために地図のサイズを単純に2倍にすることで、Messy（混沌とした）な現実世界のシナリオにおいても対称性を見つけることができます。

「位相」の問題

一つだけ厄介なことがあります。点を並べ替えたとき、機械は同じように機能するのですが、ある微細で目に見えない「ひねり」（位相と呼ばれます）を除いて、という条件が付くことがあります。それは、歯車を360度回転させた後、さらにほんの少しだけ余分に回すようなものです。

• アルゴリズムは、まず完璧な並べ替えを見つけ出します。
• 次に、その微細なひねりが修正可能かどうかを確認するための、素早い「位相補正」チェックを行います。もし修正可能であれば、その並べ替えは有効な対称性となります。

何をテストしたのか

チームは、いくつかの有名な量子モデルを用いてこの手法をテストしました。

1. ランダムな機械： 隠れた対称性を持つランダムな機械を構築し、毎回それを発見することに成功しました。
2. 現実的なモデル： 磁石に使われるイジング・モデルや、超伝導体に使われるフェルミ・ハバード・モデルなどのモデルでテストを行いました。
3. トーリック・コード： これは量子コンピュータの誤り訂正に使われる非常に複雑なモデルです。これには膨大な数の隠れたルールが存在します。アルゴリズムは、最大28個の量子ビットを持つシステムにおいて対称性を見つけ出し、さらに大きなシステムに対するパターンを特定するのに役立ちました。

結果

論文は、この「地図ゲーム」のアプローチが高速であり、スケーラブルであることを示しています。

• 多くのモデルにおいて、機械が大きくなるにつれて、対称性を見つけるのにかかる時間は合理的に増加します（おおよそ二次関数的です）。
• この手法は、異なる種類の歯車（異なる次元）を持つシステムにも対応しています。
• 密閉された箱（閉じた系）でも、漏れのある箱（開放系）でも機能します。

まとめ

要約すると、著者たちは、量子力学における難しい数学の問題（隠れたルールを見つけること）を、視覚的なパズル（色付きの点を地図上で並べ替えること）へと変えたのです。既存の地図パズルを解くためのコンピュータ・ツールを用いることで、複雑な量子系の秘密の対称性を迅速に見つけ出し、個々の動きをすべてシミュレートすることなく、それらの機械がどのように機能するかを理解できるようになりました。

技術概要

技術要約：開いたおよび閉じた量子ディディット・モデルにおけるクリフォード対称性を得るためのグラフ自己同型

問題の定義
量子系の対称性を特定することは、基底状態の性質、ダイナミクス、熱力学を理解するため、またブロック対角化を通じて数値シミュレーションの計算コストを削減するために極めて重要である。対称性は目視によって発見されることが多いが、複雑なモデルにおいては非自明な場合がある。既存のアルゴリズム的アプローチは、主にパウリ対称性に限定されているか、あるいはシステムサイズが増大するにつれて計算が困難になる。具体的には、一般的な量子ディディット（qudit）系、すなわち閉じた（ハミルトニアン）および開いた（リウヴィリアン）量子系の両方に対して、クリフォード対称性（古典コンピュータ上で効率的に実装可能な一連の対称性）を見つけるための効率的なアルゴリズムが欠如している。

手法
著者らは、クリフォード対称性を探す問題を**グラフ自己同型（GA）**問題へとマッピングするアルゴリズムを提案している。この手法は、ディディット演算子のシンプレクティック表現に基づいており、以下のステップで進行する：

1. シンプレクティック表現： システムはタブロー形式を用いて表現される。閉じた系の場合、ハミルトニアン $\hat{H}$ は、係数ベクトル $\vec{c}$、指数行列 $p$（パウリ文字列を $\mathbb{Z}_d^{2n}$ 内のベクトルとして表現）、および位相ベクトル $\vec{\eta}$ によって定義されるパウリ文字列の重み付き和としてエンコードされる。開いた系の場合、これはリウヴィル空間へと拡張され、GKSLマスター方程式の生成子 $\mathcal{L}$ をスーパーオペレータ・タブローとして表現するために、ディディットの数が倍増する。
2. グラフ構築： ハミルトニアン（またはリウヴィリアン）は、彩色された有向グラフ $G = (V, E, X_V, X_E)$ にマッピングされる：
   • 頂点 ($V$)： タブロー内の各パウリ文字列が各頂点に対応する。
   • 頂点の色 ($X_V$)： 頂点はその係数 $c_i$ によって彩色される。クリフォード演算は係数の大きさを保存するため、有効な対称性は頂点を同一の色を持つ他の頂点へと写さなければならない。
   • エッジのラベル ($X_E$)： 頂点間の有向エッジは、パウリ文字列間の交換関係をエンコードするシンプレクティック積 $\langle \vec{p}_i, \vec{p}_j \rangle \pmod d$ を表す。有効な対称性はこれらのエッジラベルを保存しなければならない。
3. 依存性と位相の処理：
   • 線形依存性： 置換がパウリ文字列の線形依存構造を尊重することを確実にするため、著者らは2つの戦略を採用している。(a) 最小回路（依存集合）を表す補助頂点でグラフを拡張する、または (b) 事後的な「符号自己同型」チェックを行い、候補となる置換が生成行列の行空間を保持していることを検証する。
   • 位相補正： クリフォードゲートには厳密に不変ではない位相ベクトルが含まれるため、アルゴリズムはまず、構造的不変量を満たす候補置換（GA）を見つけ出す。その後、残差位相の不一致を補正するために有効な位相ベクトル $\vec{\phi}$ が存在するかどうかを判断するための線形システムを解き、その候補がパウリゲートを除いて真の対称性であるかどうかを実質的に検証する。
4. 探索アルゴリズム： GA問題は以下の2つのアプローチで解かれる：
   • Bliss/igraph： 自己同型群の生成元を見つけるために既存のライブラリを利用する。
   • MRVヒューリスティック： 探索空間を効率的に刈り取るために、最小残り値（Minimum Remaining Values）ヒューリスティックを用いたカスタムのバックトラッキング探索を使用する。これは、局所的な交換近傍に基づいて頂点を区別するWeisfeiler-Leman (WL) 彩色洗練化によってしばしば加速される。

主要な貢献

• アルゴリズムの枠組み： 本論文は、問題をグラフ自己同型へとマッピングすることにより、任意の有限な開いたまたは閉じた量子ディディット系のクリフォード対称性を見つけるための詳細なアルゴリズムを初めて提示する。
• 開いた系への拡張： フォーマリズムはハミルトニアンからGKSLマスター方程式へと一般化されており、リウヴィリアン・タブローとしてディディットの数を倍増させることで、散逸的な開いた量子系における対称性の発見を可能にする。
• 効率性とスケーラビリティ： 本手法は、シンプレクティック表現を活用することで、古典的な効率性を維持している。グラフ彩色とヒューリスティックの使用により、総当たり的な置換チェックと比較して探索空間を大幅に絞り込むことができる。
• 依存性の処理： グラフの拡張または符号自己同型チェックを通じて、線形依存構造（回路）を組み込む方法を詳述しており、これにより見出された置換が有効な物理的対称性に相当することを保証している。

結果
著者らは様々なモデルを用いてアルゴリズムのベンチマークを行った：

• ランダム・パウリ・ハミルトニアン： 注入された対称性を見つける際に、システムサイズに対して二次的なスケーリングを示すことを実証した。これは主にグラフ構築時間 ($O(M^2)$) によって制限される。
• 物理モデル： 横磁場イジング（TFI）モデル（ラダー、正方、三角格子幾何学）、フェルミオンモデル（フェルミ・ハバード、無秩序 $t-V$ チェイン）、およびハイゼンベルクXXZモデルにおける対称性の特定に成功した。
• スケーリング： 局所的な相互作用を持つモデル（例：TFI、$t-V$）では、対称性を見つける時間はディディット数 $n$ に対してほぼ二次的にスケールする。全結合モデル（例：全結合ハイゼンベルクXXZ）では、スケーリングはパウリ項の数 $M$（$n^2$ でスケールする）に依存し、異なる性能特性を示す。
• トーリックコード： 高い対称性を持つ領域において、アルゴリズムは $n=28$ 量子ビットまでの対称性を発見した。より大きなインスタンスについては、著者らはアルゴリズムの出力を利用して、任意のシステムサイズに対する対称性構造を解析的に外挿した。依存性のチェックにおける組合せ爆発を避けるために、グラフ拡張戦略がトーリックコードにおいて有益であることが証明された。
• 開いた系： アルゴリズムは、脱位相を伴うTFIなどの開いた系を正常に処理した。リウヴィリアン表現のためにヒルベルト空間の次元を倍増させる必要があるため、計算コストが増大することに注意を払っている。

意義と主張
本論文は、クリフォード対称性を見つけるための実用的なアルゴリズムを提供することで、先行研究における決定的な空白を埋めるものであると主張している。このタスクに対しては、これまで一般的な解が存在しなかった。著者らは、本手法が特定のモデルに限定されず、パウリ和として表現可能なあらゆるディディット・システムに適用可能であることを強調している。

その意義は、以下の能力にある：

1. 対称性発見の自動化： 手動による目視検査を超え、非自明なクリフォード対称性のアルゴリズム的検出を実現する。
2. 開いた系の取り扱い： 散逸的なダイナミクスへと対称性解析を拡張し、開いた量子系における不変な演算子空間セクターを特定する。
3. 解析的洞察の提供： 中規模までのシステムからの数値結果を用いて、任意のシステムサイズに対する対称性の解析的な形式を帰納的に導出する（トーリックコードで示された通り）。

著者らは、GA問題が一般には困難（hard）であることを認めつつも、クリフォード対称性の特定の構造（係数や交換関係などの不変量による）によって、効率的な解決が可能であることを指摘しており、計算量に関して控えめな姿勢を保っている。彼らは、位相補正と依存性チェックが標準的なGAとは異なるステップであるが、テストされたモデルにおいては、これらが複雑性を大幅に増大させることはないことを述べている。本研究は、さらなる研究と応用を促進するために、Python実装（"Sympleq"）を提供している。