Shadow tomography for classical tensor network simulations

技術要約：古典的テンソルネットワーク・シミュレーションにおけるシャドー・トモグラフィー

問題提起
テンソルネットワーク（TN）法は、古典コンピュータ上で量子多体系をシミュレートするための中心的な手法である。しかし、物理的な観測量を評価する際、特に考慮すべき量の数が多い場合に、重大な計算上のボトルネックが生じる。これには、空間相関関数の全集合、簡約密度行列（RDM）、あるいは長距離相互作用を持つハミルトニアン（例：長距離ハイゼンベルク模型や ab initio 量子化学ハミルトニアン）の期待値の計算が含まれる。

標準的なアプローチは以下のスケーリング制限に直面する：

1. 直接収縮（Direct Contraction）： 各観測量に対して個別に期待値を評価する必要があり、コストは観測量の数（$k$-RDM の場合は $O(N^k)$）に比例する。
2. 標準的なモンテカルロ法（MC）： ボーン分布から構成をサンプリングする。これは単層の収縮を利用するが、一般的な非対角演算子の項に対しては、別途振幅の評価が必要となる。総コストは、観測量の数と推定量の分散に依存し、システムやタスクに応じて $O(N)$ から $O(N^3)$ のスケーリングとなることが多い。

核心となる問いは、量子コンピューティングにおけるシャドー・トモグラフィーの概念と同様に、単一のサンプルが多くの観測量に関する情報を同時に保持できるか、それによってサンプリングの複雑性を低減できるか、という点である。

手法
著者らは、変分モンテカルロの枠組み内で、テンソルネットワークの収縮要件に合わせた3つの具体的な戦略を提案し、シャドー・トモグラフィーのアイデアを古典的テンソルネットワーク・シミュレーションに適応させている。

1. パウリ・シャドー（スピン/ボゾン系）：

   • 古典的シャドー法（Huang, Kueng, Presink）をスピン系に適応させる。
   • メカニズム： TN状態にランダムな局所クリフォード・ユニタリを適用し、その結果得られる積状態に対してメトロポリス・ヘイスティングス・サンプリングによる「測定」を行う。
   • 効率性： 単一のサンプルが、すべての局所パウリ演算子に対する不偏推定量を提供する。固定された $k$ を持つ $k$-局所観測量の場合、情報は圧縮され、フル $k$-RDM はサンプルあたりの分散 $O(1)$ で推定される。

2. レインボー基底シャドー（フェルミオン系）：

   • 標準的なパウリ・シャドーでは非効率となるフェルミオン演算子の非局所性（ジョルダン・ウィグナー・ストリング）に対処する。
   • メカニズム： マヨラナ・フェルミオン演算者を利用し、「レインボー」パターン（サイト $i$ と $j$ を $i+j=r$ としてペアリングする）に基づいて互いに可換な部分集合にグループ化する。
   • 測定： レインボー・パターンに従って配置された長距離の2サイト・ベル対状態（および局所占有状態）の基底からサンプリングを行う。
   • 効率性： $O(N^{2k})$ 個のストリングを $O(N^k)$ 個の可換な部分集合に分割することで、フェルミオン $k$-RDM を推定するためのほぼ最適なスケーリングを実現する。

3. ベル・サンプリング・シャドー（フェルミオン系）：

   • $k$-RDM の線形関数であるスカラー観測量（例：ハミルトニアン期待値）に特化して設計されている。
   • メカニズム： 対象となる状態 $|\psi\rangle$ と補助状態 $|\sigma\rangle$ の2つのレプリカに対して、結合ベル測定を行う。
   • 補助状態： 推定量の分母が適切に動作するように、$|\sigma\rangle$ は指数関数的に減衰する1-RDM 要素を持つスレーター行列式として選択される。
   • 効率性： ab initio ハミルトニアンの構造（指数関数的に減衰する相互作用）を利用することで、全エネルギー推定において大幅なスケーリングの改善を実現する。

主な貢献とスケーリングの改善
本論文は、これらのシャドー推定量が標準的なアプローチに対して実質的な漸近的改善をもたらすことを示しており、以下にまとめる（ここで $N$ はシステムサイズとする）。

• スピン系（パウリ・シャドー）：
  • $k$-RDM 推定： スケーリングを $O(N^k)$ から $O(N)$ へ改善。
  • 長距離ハミルトニアン： 固定された相対誤差に対して、スケーリングを $O(N)$ から $O(1)$ へ改善。
• フェルミオン系（レインボー/ベル・シャドー）：
  • 2-RDM 推定： レインボー基底シャドーは、スケーリングを $O(N^4)$ から $O(N^2)$（または最適化により $O(N \log^2 N)$）へ改善。
  • 長距離ハミルトニアン： ベル・サンプリング・シャドーは、固定された相対誤差に対して、スケーリングを $O(N^3)$ から $O(1)$ へ改善。
• 環境の再利用： 著者らは、標準的な環境再利用戦略（複数の収縮に対して局所環境を再利用する手法）を適用することで、すべての手法のコストを $O(N)$ の係数でさらに削減でき、ハミルトニアン評価において固定された相対誤差に対して最適な $O(1)$ スケーリングを達成できると述べている。

数値結果
著者らは、以下の手法を用いて理論的なスケーリングを検証している。

1. 2D 長距離ハイゼンベルク模型（スピン）：
   • 標準的なMCのエネルギー分散は $O(N^2)$ でスケールするが、パウリ・シャドーは $O(N)$ でスケールする。
   • 標準的なMCの勾配分散は $O(N^3)$ でスケールするが、パウリ・シャドー（勾配の切り捨てを伴う場合）は $O(N)$ でスケールする。
2. Ab Initio 水素鎖（フェルミオン）：
   • 標準的なMCのエネルギー分散は $O(N^4)$ でスケールするが、ベル・サンプリング・シャドーは $O(N)$ でスケールする。

変分基底状態シミュレーション（テンソルパラメータの最適化）において、シャドー推定量は、ゼロ分散原理が小規模なシステムや固有状態の近傍でのみ恩恵をもたらす標準的なMCと比較して、より大きなシステムサイズ（例：$16 \times 16$ 格子）において優れた性能を示す。

意義と主張
本論文は、シャドー推定量が古典的テンソルネットワーク・シミュレーションにおける新しいアルゴリズム・ツールとして機能し、関連する観測量の数が多い場合の「観測量評価のボトルネック」を効果的に軽減することを主張している。

• 安定性： 標準的なMCとは異なり、シャドー推定量は有界な分散を持つ勾配推定量を提供するため、特に大規模なシステムにおいて、より安定した変分最適化をもたらす。
• 領域横断的な有用性： 本研究は、量子情報理論で発展したアイデアがいかにして古典的多体系アルゴリズムを改善できるかを示しており、量子情報理論とテンソルネットワーク・シミュレーションの架け橋となっている。
• 実用的な利点： 著者らは、長距離相互作用を持つシステムの変分テンソルネットワーク基底状態シミュレーションにおいて、実用的な利点がすでに到達可能であることを示しており、大規模なレジームにおいて既存のMC法を凌駕している。

著者らは、ベル・サンプリング法における補助状態 $\sigma$ については謙虚な姿勢を保っており、より複雑で高次元の ab initio 系に対してその選択を最適化することが重要な今後の方向性であると述べている。また、シャドー推定量は標準的なMCのゼロ分散原理を失うものの、その改善されたスケーリングと勾配の安定性が、大規模なシミュレーションにおけるこの点を補っていることも認めている。