An End-to-End Hybrid Quantum--Classical Sampling Workflow for Discrete Markov Random Fields: A Reproducible Case Study

技術要約：離散マルコフ・ランダム場のためのエンドツーエンド・ハイブリッド量子・古典サンプリング・ワークフロー

問題提起
離散マルコフ・ランダム場（MRF）からのサンプリングは、確率的推論、コンピュータビジョン、および統計物理学における根本的な課題である。核心的な困難は、分配関数 $Z(\theta)$ が $2^n$ 個の構成を総和として必要とするため、結合分布 $P_\theta(x)$ からのサンプリングを行うことにある。古典的なマルコフ連鎖モンテカルロ（MCMC）法が標準的ではあるが、ループを持つグラフにおいては、混合の遅さや高い自己相関に悩まされることが多い。一方で、変分推論やブリーフ・プロパゲーション（信念伝播）は、精度または収束の限界に直面する。本論文では、全分布が古典的に事前計算可能な領域（$O(2^n)$）において、振幅符号化による量子サンプリングが古典的手法に対して実用的な優位性を提供できるかどうかを調査する。この設定は、指数関数的な量子加速を排除するものであるが、サンプリング効率と独立性の厳密な比較を可能にする。

手法
本研究では、異なる問題スケール（$n$）に対処するために、二重アーキテクチャのアプローチを採用している：

1. 振幅符号化（小規模 $n$）： $n \in \{8, 10, 12\}$ に対して、ハミルトニアン $H_\theta$ の対角成分を $O(2^n)$ 時間で古典的に計算するパイプラインを構築する。ターゲットとなる確率は正規化され、振幅 $\alpha_x = \sqrt{P_\theta(x)}$ は Qiskit の StatePreparation プリミティブを用いて準備される。これにより、量子状態 $|\psi\rangle = \sum_x \sqrt{P_\theta(x)}|x\rangle$ が生成される。計算基底における測定は、独立同一分布（i.i.d.）のサンプルをもたらす。このアプローチは、完全な量子回路生成モデリング（QCGM）による指数関数的な加速の可能性を犠牲にする代わりに、サンプリングプロセスのクリーンで監査可能な検証を実現している。
2. 変分量子回路（VQC）（大規模 $n$）： 全列挙が不可能なより大きな $n$ に対して、ハードウェア効率的なアンサンブル（ansätze）を訓練する。これらの回路は、$d$ 層の単一量子ビット $R_Y$ 回転と、それらを交互に配置した絡み合い（entangling）用の CNOT ゲートで構成される。3 つの絡み合い戦略（隣接量子ビットによる線形、グラフトポロジーに一致するクリーク認識、および全結合）をテストした。回路は、誘導された分布とターゲット $P_\theta$ との間のカルバック・ライブラー（KL）ダイバージェンスを最小化するように訓練される。
3. 古典的ベースライン： 量子手法は、以下の 4 つの古典的サンプラーと比較される：
   • シングルサイト・ギブス（ランダムスキャン）。
   • ブロック・ギブス（最大クリークの更新）。
   • チューンド・ブロック・ギブス（適応型ブロックメンバーシップ）。
   • パラレル・テンパリング（PT、8 つのリプラカを使用）。
   • 厳密な逆累積分布関数（Exact Inverse-CDF）： 事前計算された分布を用いて i.dd. サンプルを抽出する古典的ベースラインであり、前処理コストを償却した後の振幅エンコーダーに対する「アップル・トゥ・アップル」の比較対象となる。

主な貢献
本論文は量子加速を主張するものではない。その貢献は、厳密なベンチマークおよびネガティブ・リザルト（負の結果）の研究として特徴付けられる：

1. ESS ギャップの特性評価： 60 のインスタンス（5 つのグラフファミリー）にわたる、振幅符号化による i.i.d. サンプリングと 4 つの古典的 MCMC ベースライン間の有効サンプルサイズ（ESS）のギャップを定量化した。
2. ウォールクロック時間の償却： 振幅エンコーダーに必要な $O(2^n)$ の古典的前処理コストを明示的に含めた公平なウォールクロック時間の比較を行い、厳密な逆累積分布関数サンプリングと比較した。
3. 古典的スケーリングの天井： $n=40$ までの行列積状態（MPS）のマルチトライアル・スケーリング研究を行い、将来の変分的アプローチのための具体的な古典的忠実度（fidelity）の天井を確立した。
4. 再現性： コミットされた JSON データファイルからすべての表と図を再生できる、オープンソースのコードと実行可能なアーティファクトを公開した。

結果

• ESS 比： 60 のインスタンス全体で、量子 ESS と古典的 ESS の比は明確な階層を示した。量子サンプラーは、シングルサイト・ギブスに対して平均 16.35 倍、ブロック・ギブスに対して 7.29 倍、チューンド・ブロック・ギブスに対して 1.82 倍、そしてパラレル・テンパーリングに対して 1.79 倍 上回った。これは、量子サンプリングが構造的な優位性（i.i.d. 出力、$\tau \approx 1$）を保持している一方で、現代的な古典サンプラー（特にパラレル・テンパーリング）がこのギャップを大幅に縮めていることを示している。
• ウォールクロック性能： $O(2^n)$ の前処理コストを償却したとき、厳密な逆累積分布関数サンプラーは平均 17,683,597 ESS/s を達成したのに対し、量子サンプラーは 487,706 ESS/s であった。これは、平均レートにおいて 36 倍、平均インスタンスあたりの比率において 153 倍 の優位性を意味し、この領域におけるウォールクロック時間の優位性が存在しないことを裏付けている。
• VQC 対 MPS（ネガティブ・リザルト）： 浅いハードウェア効率的な VQC（深度 3）は、テストされたすべてのサイズ（$n=8, 10, 12$）において、予算を一致させた MPS に大きく劣った。VQC の忠実度は 0.306, 0.210, 0.165 であったのに対し、MPS は 0.990, 0.958, 0.878 であった。
• VQC 対 平均場（Mean-Field）： $n=8$ および $n=10$ において、平均場近似は VQC よりも高いグローバルな分布忠実度を達成したが、VQC はシングルトン・マージナル誤差については古典的手法を上回った。
• MPS スケーリング： $n=40$ において、ボンド次元 $\chi=32$ の MPS は 0.721 ± 0.059 の忠実度を達成し、将来の量子アルゴリズムのベンチマークを設定した。
• 絡み合い戦略： テストされたスケールにおいて、クリーク認識の絡み合いは、線形な絡み合いに対して測定可能な忠実度の優位性を示さなかった。

意義および主張
本論文は、量子優位性を主張しないことを明示している。その意義は以下の点にある：

1. 「量子優位性」のナラティブの明確化： MRF における量子サンプリングの明白な優位性は、古典的ベースラインの選択に強く依存することを実証した。量子サンプリングは構造的な独立性を提供するものの、最適化された古典的 MCMC（パラレル・テンパーリングなど）は ESS ギャップをほぼ解消し、古典的な厳密サンプリング（逆累積分布関数）は、前処理を考慮した場合のウォールクロック時間において支配的である。
2. 妥当な領域の定義： 振幅エンコーダーは、i.i.d. 量子サンプルまたはダウンストリームのコヒーレント状態準備（例：振幅推定）が厳密に要求される場合、あるいは全分布を列挙できないが古典的ベースラインが利用できない場合にのみ、正当化されるツールである。
3. 浅い VQC に対するネガティブ・リザルト： 本研究は、浅いハードウェア効率的なアンサンブルが、MPS のようなテンソルネットワーク手法と比較して、ピークを持つ MRF 分布のグローバルな構造を捉えるには不十分であるという証拠を提供している。
4. ベンチマーク： 将来の量子アルゴリズムが有用性を示すために超えるべき、再現可能なフレームワークと具体的な数値的天井（例：$n=40$ における MPS）を確立した。

著者らは、将来の量子優位性への最も有力な経路は、完全な QCGM ハミルトニアン・シミュレーション、より深く問題に即した変分アンサンブル、または大規模なノイズのあるハードウェアでのベンチマークであると考えており、これらすべてを今後の課題として特定している。