技術要約：リソース効率の高い量子化学のためのSQDを用いた回路圧縮

問題提起

NISQ（Noisy Intermediate-Scale Quantum）ハードウェア上での量子化学シミュレーションは、限定的な量子ビットのコヒーレンス、浅い回路深さの制約、および最適化における「バレン・プラトー（不毛な平原）」問題といった大きな障壁に直面している。変分量子アルゴリズム（VQA）、例えば変分量子固有値ソルバー（VQE）は標準的な手法であるが、化学精度を達成するためには、しばしば深く、高い表現力を持つ回路を必要とする。これらの回路は古典的なシミュレーションにおいて高コストであり、ハードウェア上ではノイズの影響を受けやすい。

決定的なボトルネックは、回路の表現力とリソース効率の間のトレードオフにある。ADAPT-VQEのような適応的手法は表現力を向上させるが、多くの場合、フルスペースの評価や制限的な演算子プールに依存する。さらに、量子回路の古典的シミュレーションは量子ビット数に対して指数関数的にスケールし、非クリフォードゲート（複雑な相関を捉えるために不可欠）はシミュレーションコストを劇的に増大させる。本論文は、現在の多くのアプローチが、不完全なサンプルから精度を回復させるポストプロセッシング技術の可能性を無視し、量子回路のみを精度の源泉として扱っていることを指摘している。

手法

著者らは、正確な量子エネルギー推定の要求を、最終的な基底状態エネルギーの計算から切り離す、リソース効率の高いハイブリッド・パイプラインを提案している。このパイプラインは3つのステージで構成される：

1. 量子ビット削減（コンテクスト・サブスペース）

プロセスは、強い相関物理を失うことなく問題のサイズを縮小することから始まる。

• テーパリング（Tapering）: 保存則を利用して、分子ハミルトニアン（ジョルダン・ウィグナー表現）の量子ビット数を削減する。
• 投影（Projection）: ハミルトニアンを、スタビライザー生成子によって定義される低エネルギーの「コンテクスト・サブスペース」に投影する。これにより、ヒルベルト空間を $2^n$ から $2^{n'}$ （ここで $n' \ll n$）へと削減する。
• マッピング（Mapping）: 縮小されたサブスペース内のビット列を、元のフル軌道空間へと関連付けるための事前計算されたマッピングテーブルを生成する。

2. 圧縮変分最適化

標準的なVQEのように高精度なエネルギーを得るために最適化するのではなく、回路は基底状態のサブスペースと十分なオーバーラップを持つビット列を生成するように最適化される。2つの積極的な圧縮技術が適用される：

• 勾配プルーニング（Gradient Pruning）: 浅い参照回路に対して、古典的な勾配解析（ADAPT-VQEと同様の手法）が行われる。勾配の大きさが小さい励起演算子が破棄される。保持される演算子の割合（$f_g$）のトップ分のみが残り、実質的に回路からゲートが除去される。
• クリフォード・ラウンディング（Clifford Rounding）: VQEの収束後、残った演算子のパラメータが分析される。クリフォード角（$k\pi/2$）に最も近いパラメータは、これらの正確な値に「スナップ（固定）」される。これにより、非クリフォードゲートがクリフォードゲートへと変換され、これらはスタビライザー・テンソルネットワーク（STN）シミュレータを用いて、無視できるコストで古典的に追跡可能となる。ラウンドされるパラメータの割合は $f_c$ によって制御される。

3. SQDリカバリ（サブスペース量子対角化）

圧縮された回路は、純粋なサンプラーとして機能する。

• サンプリング: 最適化・圧縮された回路からビット列をサンプリングする。
• リフティング（Lifting）: サンプルを、事前計算されたマッピングを用いて、コンテクスト・サブスペースからフル・ジョルダン・ウィグナー空間へと持ち上げる。
• 古典的対角化: これらのサンプルを使用して、縮小された構成間相互作用（CI）サブスペースを構築する。基底状態エネルギーを精緻化するために、このサブスペースに対して古典的な対角化（Davidsonソルバーを使用）が行われる。
• 核心的な洞察: SQDは独自の古典的固有値問題を解くため、先行する量子回路は正確なエネルギー期待値を生成する必要はない。単に、十分な基底状態のオーバーラップを持つビット列を生成できればよい。これが、ステージ2における積極的な回路簡略化を可能にしている。

主な貢献

1. SQDの許容性の特定: 本論文は、SQDの回路の不完全性に対する耐性が、精度を損なうことなく積極的な回路圧縮（プルーニングおよびラウンディング）を可能にすることを確立した。
2. 二段構えの圧縮戦略: 著者らは、勾配ベースの演算子プルーニングとクリフォード・ラウンディングという、互いに補完的な技術を導入し、検証した。これらは回路の深さとシミュレーションコストを削減する。
3. 体系的なアブレーション研究: 21種類の分子にわたる包括的な研究により、精度と高速化のトレードオフを特徴付けている。研究の結果、勾配の割合（$f_g$）およびクリフォード・ラウンディングの割合（$f_c$）の両方の軸で50%の圧縮を行っても、中央値のSQD誤差は化学精度（1.6 mHa）内に留まることが示された。
4. ハードウェア検証: IBMの量子ハードウェア（ibm_rensselaer）を用いた6つの分子に関する実験により、これらの圧縮が、非圧縮のベースラインと比較してSQDの精度を全く損なうことなく、トランスパイル後の回路深さを最大2.8倍削減することを確認した。

結果

• 精度 vs 圧縮: シミュレーションにおいて、中央値のエネルギー誤差は、$f_g \ge 0.75$ かつ $f_c \ge 0.25$ の場合に化学精度内に維持される。
  • クリフォード・ラウンディング: ほとんどの最適化されたパラメータは既にクリフォード角の近くにあるため、$f_c \ge 0.25$ において精度への影響は無視できる。
  • 勾配プルーニング: 誤差増大の主要因である。$f_g$ を 0.50 未満に下げると、特に大きなコンテクスト・サブスペースを持つ分子（例：$N_2, H_3O^+$）において、顕著な誤差の増大が生じる。
• シミュレーションの高速化:
  • クリフォード・ラウンディング単独では、1.2–2.1倍の高速化を実現。
  • 勾配プルーニング単独では、最大2.8倍の高速化を実現。
  • これらを組み合わせることで、最大3.8倍のシミュレーション高速化を達成。
  • 極端な圧縮（$f_c=0.00$）は、最大33倍の高速化をもたらすが、精度を犠牲にする。
• ハードウェア性能:
  • IBMハードウェア上では、結合された圧縮（プルーニング＋ラウンディング）により、大きな分子（例：$H_2O$ の深さが4437から1690へ）において、トランスパイル後の回路深さが2.4–2.8倍減少した。
  • 極めて重要なことに、SQDエネルギー誤差はすべての構成（ベースライン、プルーニングのみ、ラウンディングのみ、および結合）において同一であり、圧縮された回路が依然として正しいエネルギーを回収するために十分な基底状態のオーバーラップを提供していることが確認された。

意義と主張

本論文は、SQDの統合が量子化学回路の設計要件を根本的に変えることを主張している。精度（エネルギー推定）の負担を量子回路から古典的なポストプロセッシングステップへと移すことで、以下のことが示された：

• 回路の質を犠牲にできる: 量子回路は、SQDが精度を回復できるため、意図的に浅く「不正確な（エネルギー的には）」設計することができる。
• リソース効率: このアプローチにより、量子ビット数の削減（コンテクスト・サブスペースによる）と、回路の深さの削減（プルーニングとラウンディングによる）が可能になり、近未来のハードウェア上でのより大きな分子シミュレーションが実現可能になる。
• 相補性: この手法は既存の最適化器やトランスパイラと互換性があり、標準的なコンパイル最適化の上にアルゴリズム的な圧縮を積み重ねることができる。

著者らは、将来のSQDベースのパイプラインは、スタンドアロンのVQE精度を最適化することよりも、浅く圧縮された回路を優先すべきであると結論付けている。なぜなら、SQDのポストプロセッシングステップが本質的に必要な精度を回復するからである。