An Iterative Dual-Channel Neural Quantum State Algorithm for Selected Configuration Interaction

技術要約：選択的配置間相互作用のためのハンドオーバー反復ニューラル量子状態（HI-NQS）

問題提起
強相関系の電子シュレディンガー方程式を正確に解くことは、構成空間の指数関数的な増大によって阻害されており、フル配置間相互作用（FCI）は極めて小さな活性空間を除いて実行不可能である。選択的配置間相互作用（SCI）アルゴリズムは、適応的にコンパクトな行列式展開を構築することでこれに対処する。しかし、その効率は、化学的に重要な構成を特定するために使用されるサンプリング戦略の質によって制限される。既存の手法には特定のボトルネックが存在する：従来の古典的SCI変種（例：CIPSI）は、候補プールの組合せ爆発と部分空間対角化における3次のスケーリングに苦しむ。量子アプローチ（例：VQE）は、測定オーバーヘッドとノイズのため、現在は大規模なスケールでの運用が困難である。また、既存のニューラル量子状態（NQS）手法は、外部の精度アンカーを欠いているか、あるいはフェルミオンのスピン構造を明示的に符号化できていないことが多く、サンプリング効率が最適化されない。

手法：HI-NQSアルゴリズム
著者らは、サンプルに基づく量子対角化（SQD）の「サンプリング–対角化–更新」の反復フレームワーク内に、古典的に訓練された自己回帰型Transformer NQSを組み込んだ純粋な古典的手法である、ハンドオーバー反復ニューラル量子状態（HI-NQS）アルゴリズムを提案している。このアルゴリズムは、以下の5つの主要な段階からなる閉じたフィードバックループを通じて動作する：

1. デュアルチャネル自己回帰サンプリング： 波動関数は、Born分布 $\pi_\theta(x)$ をスピン分解された条件付き確率へと因数分解するTransformerアーキテクチャによってモデル化される。

   • アーキテクチャ： デュアルチャネル設計により、スピン$\alpha$ストリームとスピン$\beta$ストリームを分離する。$\alpha$ストリームは因果的自己注意（causal self-attention）を用いてスピンアップの条件付き確率を生成する。$\beta$ストリームは、因果的自己注意と、フル$\alpha$構成（$H_\alpha$）に対する**クロスアテンション（cross-attention）**を交互に組み合わせる。これにより、反対スピン間の相関がアーキテクチャ上の帰納バイアスとして明示的に符号化される。これは、従来の生成型NQS手法におけるシングルストリームの符号化とは対照的である。
   • サンプリング： 構成は、硬い粒子数制約の下での厳密な祖先サンプリング（ancestral sampling）を通じて抽出され、マルコフ連鎖の混合を必要としない不偏なサンプルを保証する。

2. ハイブリッド候補生成： 反復の後半における自己回帰サンプラーのモード崩壊（mode collapse）に対抗するため、アルゴリズムは、確率的なNQSの提案と決定論的な古典的展開を組み合わせる。この展開は、現在の基底における支配的な行列式の単一および二重励起を列挙し、高振幅領域のハミルトニアンに接続された近傍に新鮮な構成を安定的に供給することを保証する。

3. 摂動論的スコアリングと基底更新： 候補は、エプスタイン–ネスベットの2次摂動論（PT2）に基づく重要度尺度 $s(x) = |\langle x|\hat{H}|\Psi_0\rangle|^2 / |E_0 - H_{xx}|$ を用いてランク付けされる。累積基底は、上位ランクの構成を保持することによって更新される。

4. 部分空間対角化： 選択された基底内での射影されたハミルトニアンは、厳密に対角化（Davidson対角化法を使用）され、基底状態エネルギー $E_0$ と固有ベクトル $\Psi_0$ を与える。このステップは、変分上界を提供すると同時に、古典的な厳密対角化への「ハンドオーバー（受け渡し）」として機能する。

5. 教師あり蒸留（ティーチャー・スチューデント・ループ）： 得られた固有ベクトル $\Psi_0$ は、NQSへと蒸留される。ネットワークはエネルギーを直接最小化するのではなく、因数分解されたスピン周辺分布 $|\Psi_0|^2$ （$p_\alpha(\sigma_\alpha)p_\beta(\sigma_\beta)$）から導出された**教師信号（teacher signal）**を含む複合損失関数を用いて訓練される。この教師あり学習による損失は、ポリシー勾配およびエントロピー正則化項と組み合わさり、ネットワークのパラメータを厳密な部分空間固有ベクトルにより良く近似するように更新する。

主な貢献

• デュアルチャネル・アーキテクチャ： フェルミオンのスピン構造を学習すべき特徴としてではなく、構造的事前知識として扱う、スピンアップとスピンダウンのストリーム間に明示的なクロスアテンションを備えたTransformerの導入。
• 因数分解された教師あり学習： 因数分解されたスピン周辺分布を用いて厳密な部分空間固有ベクトルをNQSに蒸留する訓練戦略。これは、デュアルチャネル・アーキテクチャと整合する能動的な教師あり経路を創出する。
• ハイブリッド・サンプリング戦略： モード崩壊を防ぎ、ハミルトニアンに接続された空間の被覆を確保するために、決定論的な単一/二重励起を自己回帰サンプリングと統合。
• 純粋な古典的可観測性： 高性能でスケーラブルなSCIソルバーが、量子コンピューティングのリソースを使用することなく、GPUハードウェア上で完全に実現可能であることを実証。これは、量子コンテキストで以前に探索された「ハンドオーバー」の原理（HI-VQE）を利用している。

結果
著者らは、18の系に対してHI-NQSをCIPSI-SCIおよび厳密なFCI（または高精度なSHCIプロキシ）と比較してベンチマークを行った：

• 精度： HI-NQSは、10個の小分子および8点の窒素活性空間シリーズ（CAS(6,6)からCAS(14,20)、12から40量子ビットにわたる）を含む全18のテストシステムにおいて、化学的精度（$|E - E_{ref}| < 1.6$ mHa）を達成した。
• 行列式数のスケーリング： 本手法は、量子ビット数に対する行列式数（$N_{det}$）に対して、$\alpha_{NQS} = 0.089 \pm 0.011$ という対数線形スケーリング指数を示した。これは、CIPSI-SCIの $\alpha_{CIPSI} = 0.180$ の約半分であり、CASCIの $\alpha_{CASCI} = 0.262$ の3分の1である。
• 効率性の向上： 最大のテスト対象であるCAS(14,20)（40量子ビット）において、HI-NQSは化学的精度に達するために、CIPSI-SCIよりも約200倍少ない行列式しか必要としなかった。この優位性はシステムサイズとともに増大し、小さな活性空間（CAS(6,6)）では同等であったものが、CAS(14,20)では約200倍の差へと拡大する。
• パレート最適性： 18システム中13システムにおいて、HI-NQSはパレート優位であり、CIPSI-SCIと同等またはより優れた精度を達成しながら、より少ない行列式数を使用した。

意義と主張
本論文は、生成サンプラーがフェルミオンのスピン構造に一致した帰納バイアスを持つことで、摂動的に順序付けられたSCI手法よりも基底のコンパクト性において先行できることを示すことにより、純粋な古典的選択的配置間相互作用の新たな基準を確立したと主張している。著者らは、選択的CIとニューラル量子状態の間のギャップは、原理の問題ではなくアーキテクチャの問題であると断言している。生成サンプリングと厳密な対角化の間のフィードバックループを成功裏に閉じることで、HI-NQSは、将来のハイブリッド古典–量子ワークフロー（例：量子対角化へのウォームスタート）への直接的なインターフェースを維持しつつ、強相関量子化学に対するスケーラブルなソリューションを提供する。これらの結果は、本手法が、行列式の裾野が最も強い組合せ的増大を示す遷移金属化学（例：Fe–Sクラスター、Cr$_2$）のような、より大きな活性空間にも拡張可能であることを示唆している。