A Scalable Approach to Solve the Carleman Linearized Burgers' Equation on a Quantum Computer

技術要約：量子コンピュータ上でカルレマン線形化されたバーガース方程式を解くためのスケーラブルなアプローチ

問題提起
流体力学を量子コンピュータ上でシミュレーションすることは、根本的な課題を提示している。すなわち、量子コンピュータは本質的に線形なマシンであるが、流体力学はバーガース方程式のような非線形偏微分方程式（PDE）によって支配されているという点である。このギャップを埋めるために、カルレマン線形化法が用いられる。これは、有限次元の非線形常微分方程式（ODE）を無限次元の線形ODEへと変換し、その後、これらを切り詰めて有限の線形システムを形成する手法である。しかし、これらのシステムを量子ハードウェア上で解く際には、主に2つの障害に直面する：

1. データロードの効率性： 得られる線形システムの行列は、空間および時間の離散化点の数の指数関数的に増加する。標準的な線形結合ユニタリ（LCU）アプローチが劣悪なスケーリングに陥る中で、ポリエログ（対数多項式）の古典的リソースのみを用いてこれらの行列を量子ハードウェアに効率的にロードすることは容易ではない。
2. 最適化の障壁： 変分量子線形ソルバー（VQLS）は、大規模なシステムを扱うことが可能であるが、「バレン・プラトー（不毛な高原）」現象に陥りやすい。これは、探索空間が指数関数的に巨大であり、かつランダムな初期化を行うことで、勾配ベースの最適化が収束できなくなる現象である。

手法
著者らは、1次元の周期境界条件を持つバーガース方程式を用いてこれらの課題に対処する包括的なワークフローを提案している。

• 線形化とゼロパディング： バーガース方程式を離散化し、カルレマン線形化を通じて線形システム $L\vec{Y} = \vec{B}$ へと変換する。効率的な分解を容易にするため、著者らはゼロパディング戦略を採用し、システムをより大きな次元の空間へと埋め込む。これにより、行列を特定の非ユニタリ行列の線形結合へと分解することが可能になり、最小限のオーバーヘッドでこれらをユニタリ行列へと容易にエンコードできる。
• 効率的なデータロード (LCNU)： 標準的なLCUアプローチの代わりに、本研究では線形結合非ユニタリ（LCNU）を利用する。著者らは、カルレマン線形化された行列の分解において、項の数が空間および時間の離散化点に依存しないことを導出した。具体的には、行列は $N_s = \frac{1}{2}(9\alpha^2 + \alpha + 8)$ 個の項に分解される（ここで $\alpha$ は切り捨て次数）。この分解は、インクリメンター／デクリメンター回路と特定のパウリ演算子の構造に基づいており、データロード戦略がポリエログのスケーリングを維持することを保証する。
• マルチグリッドを用いた変分ソルバー： 線形システムは、変分量子線形ソルバー（VQLS）を用いて解かれる。バレン・プラトー問題を軽減するために、マルチグリッド戦略が導入されている。問題は、粗い空間および時間の離散化から始まる一連のステージを経て解かれる。粗いステージにおける解（変分パラメータ）が、次の細かいステージへの「ウォームスタート」として使用される。この体系的な初期化は、素朴なランダム初期化と比較して収束率を大幅に向上させる。
• ショット割り当て： コスト関数の評価に必要な様々な回路に対して、固定された総ショット数を分配する効率的なショット割り当て手法が開発された。コスト関数の分散を最小化することで、係数の大きい項により多くのショットを割り当て、最も重要な寄与に対する精度を最適化する。

主な貢献
本論文は、以下の5つの主要な貢献を概説している：

1. 改善されたデータロード： 1次元カルレマン線形化バーガース方程式において、LCNU分解における項の数が離散化グリッドサイズに依存しない戦略。
2. マルチグリッド戦略： バレン・プラトーを回避するための体系的なウォームスタートを提供する、カルレマン線形化システムに対する空間および時間のマルチグリッド・アプローチ。
3. ショット割り当て： 計算予算内で精度を最大化するために、係数の大きさに基づいてショットを分配する手法。
4. 概念実証： 量子シミュレータおよび実際の量子ハードウェア（IBM Heron r3 および Nighthawk プロセッサ）の両方を用いたワークフローの実証。
5. リソース見積もり： $2^{40}$ の結合空間・時間ポイントまで回路をトランスパイルする実現可能性調査を行い、本手法が将来のハードウェアに対して効率的にスケールすることを示唆。

結果

• シミュレーション： 量子シミュレータ上では、マルチグリッド・アプローチはコスト関数を約 $10^{-3}$ まで収束させたが、ランダム初期化を用いた素朴なアプローチでは $10^{-2}$ までしか到達できなかった。マルチグリッドによる解は、波動の減衰や非線形移流といった不可欠な物理現象を捉えることに成功したが、素朴な解は過度な減衰を示し、非線形輸送の捕捉に失敗した。
• 実機ハードウェア： 本ワークフローは、IBM量子プロセッサ（ibm_pittburgh, ibm_boston, ibm_miami）上で、マルチグリディング・ステージの単一の最適化イテレーション（$2^3$ 空間、$2^2$ 時間ポイント）として実行された。
  • Nighthawkプロセッサ（正方格子）は、Heron r3（重ヘキサゴナル格子）よりもエンベディング回路の回路深さが浅い結果となった。
  • ibm_boston において、エラー緩和（レジリエンスレベル2）を備えた Estimator プリミティブを使用することで、コスト関数の変数の2ノルム誤差は、緩和なしの Sampler 実行時の誤差範囲（1.33から2.92）に対し、0.27へと減少した。
  • 本研究は、現在のノイズレベルにもかかわらず、小規模なインスタンスに対しては正確な解が得られることを確認した。
• スケーラビリティ： リソース見積もりによれば、将来的なコヒーレンスタイムとゲート忠実度の向上があれば、本手法は指数関数的に大きな離散化ポイント（例：$2^{40}$ ポイント）を持つ問題に対して、専用システム上で約 $O(10^2)$ 時間の実行時間と約 $O(10^2)$ 量子ビットを用いて、量子優位性を達成できる可能性がある。

意義と主張
本論文は、現在の計算限界内でも良好に動作する、非線形偏微分方程式を量子コンピュータで解くための実現可能なワークフローを提示していると主張している。著者らは、本手法が指数関数的な空間および時間離散化ポイントへとスケールアップするための道筋を示していることを強調しているが、同時にいくつかの注意点も明記している。

著者らは、将来的な影響について控えめなトーンを維持しており、以下の制約を明示している：

• 現在の切り捨て次数（$\alpha=2$）は最小限必要とされるものであり、より複雑な流れ（乱流）に必要な高次では、誤差率の発散やシステムサイズの指数関数的な増大を招く可能性がある。
• 大規模システムにおけるカルレマン線形化行列の条件数の悪さは、おそらく量子プレコンディショニング（前処理）を必要とするであり、これは継続中の研究領域である。
• マルチグリッド法の指数関数的に巨大なシステムに対する有効性は、現在のハードウェアのノイズ制限により、まだ経験的に実証されていない。
• 初期条件の計算状態準備（ステート・プレパレーション）および最終解の効率的な読み出しは、依然として大きな課題である。

最終的に、本研究は、効率的なデータロード、変分最適化戦略、およびエラー緩和を組み合わせた、非線形流体力学問題を解くための概念実証として機能しており、ハードウェアの制約が緩和されれば、量子優位性が理論的に可能であることを示唆している。