A Givens-exchange ansatz for molecular variational eigensolvers

技術要約：分子変分固有値ソルバーのためのギブンス交換アンザッツ

問題提起
分子の基底状態エネルギーを正確に計算することは、計算による創薬において不可欠であり、特に強い相関を持つ系や大きな活性空間を含む系では、古典的な電子構造近似が非常に高コストになるか、信頼性が低くなる場合があります。変分量子固有値ソルバー（VQE）は、パラメータ化された量子回路を最適化して、量子ハミルトニアンの期待値を最小化することでこれに対処します。しかし、VQEの実用的な有効性はアンザッツ設計によって制約を受けます。

• 化学的に動機付けられたアンザッツ（例：UCCSD）は、物理的な励起構造をエンコードしますが、近未来のハードウェアには深すぎる回路となることがよくあります。
• ハードウェア効率的なアンザッツは、浅いレイヤーを使用しますが、分子相関を捉えるための表現力が不足したり、学習のしにくさ（poor trainability）に悩まされたりすることがあります。
• **量子アーキテクチャ探索（QAS）**手法（例：HyRLQASのような強化学習ベースのアプローチ）は、コンパクトで高性能なアーキテクチャを見つけるために、回路構築を自動化します。これらは効果的ですが、回路の構築とポリシーの更新を繰り返すことで、多大な計算オーバーヘッドを導入し、結果として得られるアーキテクチャの化学的な解釈が困難になる場合があります。

本論文は、無制限のアーキテクチャ探索の計算コストに依存することなく、精度、再現性、および解釈可能性のバランスを取るアンザッツの必要性に取り組んでいます。

手法
著者らは、アーキテクチャ探索を完全に回避する、固定トポロジーのギブンス交換（Givens-exchange）アンザッツを提案しています。この手法は、アンザッツが状態の正規化を維持する順序付けられたユニタリ・トラジェクタリー（軌跡）を表現するという、**複素スティフェル多様体（complex Stiefel manifold）**の幾何学的解釈に基づいています。

• 回路構造:
  • 初期化: 回路は、対角ハミルトニアンの期待値が最も低い計算基底状態 $|b_0\rangle$ から開始されます。
  • レイヤー: アンザッツは、$L=2$ 個の全ペア・ギブンス交換マクロと、それに交互に配置されるローカルな $R_Y$ 回転レイヤーのブロックで構成されます。
  • ギブンス交換マクロ ($G_{ij}$): 量子ビット $i$ と $j$ に作用する2量子ビット操作であり、$|01\rangle$ と $|10\rangle$ で生成される単一励起部分空間を回転させ、$|00\rangle$ と $|11\rangle$ を不変に保ちます。ジョルダン・ウィグナー（JW）占有基底において、これは粒子保存型の単一励起操作に対応します。
  • シーケンス: 完全な状態は $|\psi(\theta)\rangle = R_L G_{L-1} \dots G_0 R_0 |b_0\rangle$ として準備されます。ここで、$R$ レイヤーはローカルな $R_Y$ 回転を含み、$G$ レイヤーはすべての量子ビットペアに対する順序付けられたギブンス交換を含みます。
• 最適化プロトコル:
  • パラメータ（回転角 $\alpha$ および交換角 $\beta$）は、ハミルトニアンの期待値を最小化するために Adam オプティマイザを使用して最適化されます。
  • 初期化: 角度は、ゼロ平均の正規分布（スケール 0.05）から初期化されます。
  • 評価: 精密な対角化は、最適化が終了した後のみ、基底状態エネルギー、誤差、およびフィデリティを計算するために使用されます。これは変分ループの一部ではありません。
  • 再現性: 結果は、チェリーピッキング（良い結果の選別）を避けて典型的な性能を示すために、6つのシードの平均値（シード：17, 11111, 22222, 33333, 44444, 55555）として報告されます。

主な貢献

1. 固定トポロジーの定義: 著者らは、回転と交換のレイヤーの固定された順序付けられたシーケンスを持つ、数学的に明示的なギブンス交換アンザッツを定義し、アーキテクチャ探索の必要性を排除しました。
2. スティフェル多様体の解釈: 本研究は、アンザッツをスティフェル多様体上の構造化された軌跡としてフレーム化し、順序付けられた交換マクロを化学的に意味のある変分構成要素として使用することの幾何学的な正当性を与えています。
3. 厳格なベンチマーク・プロトコル:
   • 本研究は、係数が検証されたハミルトニアン（LiH-6, H2O-8）と、公開仕様の候補（BeH2-6）またはストレスケース（パリティマップされた LiH-4）を区別しています。
   • 異なる変分ランドスケープを混同しないよう、主要なジョルダン・ウィグナー比較と、パリティマップ/テーパリングされたケースを分離しています。
   • 最適化の感度を透明に示すために、結果を標準偏差を伴う6つのシードの平均値として報告しています。
4. リソース計上の明確化: 本論文は、事前コンパイルのマクロ数（ギブンス交換）と、ハードウェアネイティブのゲート数（CNOT）を明確に区別しており、ギブンス・マクロがネイティブゲートにコンパイルされる必要があることを認めています。

結果
手法は、ジョルダン・ウィグナー写像を用い、テーパリングなしで LiH-6, BeH2-6, H2O-8 のハミルトニアンに対して評価されました。

• 化学的精度: 6つのシードすべてにおいて、この手法は LiH-6、H2O-8、および BeH2-6 の候補に対して、すべての実行で化学的精度（誤差 < 1.60 mHa）を達成しました。
• 誤差の大きさ:
  • LiH-6: 平均誤差 $0.000000124$ Ha ($0.000124$ mHa)。
  • H2O-8: 平均誤差 $0.000128558$ Ha ($0.128558$ mHa)。
  • BeH2-6: 平均誤差 $0.000002152$ Ha ($0.002152$ mHa)。
• QAS ベースラインとの比較:
  • LiH-6 において、6つのシードの平均誤差（$0.000124$ mHa）は、HyRLQAS ($0.590$ mHa)、TensorRL-QAS、CRLQAS、およびその他の強化学習ベースのベースラインの公開されたポイント誤差よりも低くなりました。
  • H2O-8 においても、平均誤差（$0.circ128558$ mHa）は、比較された QAS 手法の公開されたポイント誤差よりも低くなりました。
• ストレス・テスト:
  • 手法は、初期化およびマッピングの変化に対して敏感であることが示されました。LiH-4 パリティマップのストレスケースでは、6つのシードのうち5つが化学的精度を通過しましたが、分布には高誤差の局所解が含まれていました。
  • 引き伸ばされた幾何構造（3.4 Å）における LiH-6 では、JW マッピングでは 6つのうち 1つのシードのみが通過し、パリティマッピングでは 0/6 であり、性能が著しく低下しました。
• アブレーション: アブレーション研究により、すべてのシードで化学的精度を達成するには $L=2$（2つの交換ブロック）が必要であることが示されました。$L=1$ では BeH2 および H2O に対して不十分でした。

意義と主張
本論文は、固定トポロジーのギブンス交換アンザッツが、分子 VQE のための正確で再現可能、かつ探索不要なリファレンステンプレートとして機能すると主張しています。

• 精度 vs 探索コスト: この手法は、ゲート配置ポリシーを学習するための計算オーバーヘッドを負うことなく、最先端の精度（いくつかの QAS 手法よりも低い平均誤差）を実現します。
• トレードオフ: 著者らは、彼らのアンザッツが一部のコンパクトで探索最適化された回路よりも大きな「事前コンパイル・マクロ予算」（より多くの2量子ビット操作）を使用することを認めています。彼らはこれをハードウェア資源の勝利としてではなく、トレードオフとして位置付けています。つまり、アーキテクチャ探索の不安定さとコストを回避するために、透明で系統的に定義された事前知識を得るために、より高いマクロ操作コストを支払っているという考え方です。
• 範囲: この手法は、直接的な占有的な解釈（例：ジョルダン・ウィグナー）を持つ、平衡に近い近傍のハミルトニアンに対して最も効果的です。結合が引き伸ばされた場合やパリティマップされた有効ハミルトニアンでは性能が低下し、これはアンザッツの幾何学的な整合性が特定のエンコーディングに依存していることを浮き彫りにしています。
• 役割: 主な貢献は、探索ベースの手法や将来のコンパイルされたバリアントを評価するためのベースラインを提供することであり、単純な固定分子テンプレートが、複雑な学習済みアーキテクチャよりも平均精度と再現性の面で優れていることを実証することにあります。