Learning the closest Slater determinant

技術的要約：最も近いスレーター行列式の学習

問題の定義
本論文は、任意の $n$ フェルミオン量子状態 $\rho$（純粋状態または混合状態）に対し、忠実度（fidelity）を最大化するスレーター行列式を見つけるという根本的な課題に取り組んでいる。形式的には、状態 $\rho$ と誤差許容範囲 $\epsilon > 0$ が与えられたとき、以下の条件を満たすスレーター行列式 $|S\rangle \in \mathcal{S}$ を見つけることが目標である：
$$\langle S|\rho|S\rangle \geq \text{OPT}$$
ここで $\text{OPT} = \max_{|S\rangle \in \mathcal{S}} \langle S|\rho|S\rangle$ である。

この問題は、ハミルトニアンに対するエネルギー期待値を最小化するハートリー＝フォック近似とは異なり、対象となる状態 $\rho$ が固定されており、目的関数が純粋に幾何学的（忠実度の最大化）であるという点で異なる。スレーター行列式の多様体は非線形であるため、この問題は本質的に非凸であり、勾配上昇法のようなヒューリスティックな最適化手法では局所最適解に陥る可能性があるという課題がある。

手法
著者らは、以下の3段階の手順に基づく、古典的および量子的なアルゴリズムを提案している：

1. 1-RDMの推定： 第一段階として、一粒子簡約密度行列（1-RDM） $\gamma_{ij} = \text{Tr}(c^\dagger_j c_i \rho)$ を推定する。
   • 古典的な設定では、アルゴリズムは、簡潔な古典的記述（テンソルネットワークやニューラル量子状態など）の振幅への効率的なクエリアクセス、および少体観測量の効率的なサンプリングを想定している。
   • 量子的な設定では、アルゴリズムは状態 $\rho$ のコピーへのアクセスを想定し、量子トモグラフィー（具体的にはフェルミオン・クラシカルシャドウ）を用いて $\gamma$ を推定する。
2. 活性空間の切り出し（Active Space Truncation）： 推定された 1-RDM $\hat{\gamma}$ を対角化し、自然軌道とその占有数を得る。アルゴリズムは、占有数が閾値（$\sim \epsilon/n$）を上回る軌道からなる「活性空間」 $\mathcal{A}$ にヒルベルト空間を制限する。理論的な証明によれば、1-RDMの推定誤差が十分に小さい場合、この部分空間に探索を制限しても、忠実度における誤差は高々 $\epsilon/2$（あるいは同等の値）の加法的誤差に抑えられる。この活性空間の次元は $O(n^2/\epsilon)$ で抑えられる。
3. 離散化された探索：
   • 古典的アルゴリズム： 活性空間から構築されたスレーター行列式の多様体に対して $\epsilon$-被覆ネット（covering net）を構成する。このネットを明示的に列挙し、各点の忠実度を評価して、最大値を返す。
   • 量子アルゴリズム： 被覆ネットの射影に対して適用される量子閾値探索（QTS）ルーチン（BadescuおよびO'Donnellに基づく）を用いる。これにより、ネットのサイズに対して対数的にスケールする数の $\rho$ のコピーを用いて、高い確率で最適なスレーター行列式を見つけることができる。

主要な結果と計算量
本論文は、この問題に対する上界（アルゴリズム）と一致する下界（困難性）を確立している：

• 古典的な実行時間： 古典的アルゴリズムの実行時間は $m \cdot \text{poly}(n, 1/\epsilon)$ である。具体的には、実行時間は $n$ および $1/\epsilon$ に対して指数関数的（およそ $\exp(O(\frac{n^3}{\epsilon} \log \frac{n}{\epsilon}))$）であるが、$m$ に対しては多項式時間である。
• 量子サンプリング複雑性： 量子アルゴリズムは $\text{poly}(m, n, 1/\epsilon)$ 個の $\rho$ のコピーを必要とする。しかし、実行時間は依然として $n$ および $1/\epsilon$ に対して指数関数的である。
• 困難性の下界：
  • $n$（粒子数）に関して： 指数時間仮説（ETH）および $n$-Multicolored Clique 問題の困難性を仮定すると、いかなる古典的アルゴリズムも $f(n)m^{o(n)}$ の時間ではこの問題を解けない。これは、古典的アルゴリズムにおける $n$ への指数関数的な依存は本質的に避けられないことを意味している。
  • $1/\epsilon$（精度）に関して： $\text{NP} \not\subseteq \text{BPP}$（古典）または $\text{NP} \not\subseteq \text{BQP}$（量子）を仮定すると、いかなるアルゴリズムも $1/\epsilon$ に対して多項式時間でこの問題を解くことはできない。これは、状態が可分状態の境界に近い場合にNP困難であることが知られている、量子分離可能性問題への帰着によって証明されている。

最適化のランドスケープと $2/3$ の閾値
本論文の重要な理論的貢献は、最適化のランドスケープの特性評価である。著者らは、忠実度 $F = 2/3$ における鋭い転移を証明している：

• $F > 2/3$ の場合： もしスレーター行列式 $|S\rangle$ が、忠実度関数の停留点（ハートリー＝フォック理論におけるブリルアン条件に類似した条件を満たすもの）であり、かつ忠実度 $F > 2/3$ を持つならば、それは一意のグローバル最大値であることが保証される。この領域では、ランドスケープは「良心的（benign）」であり、偽の停留点は存在しない。
• $F < 2/3$ の場合： ランドスケープには、グローバル最適ではない偽の停留点（局所最適解）が含まれる可能性がある。著者らは、停留点が $F=2/3$ のすぐ下側に存在するような「敵対的」な状態を構成することで、$2/3$ という閾値が鋭いものであり、一般的な状態に依存しない保証としては改善できないことを証明している。

数値的検証
著者らは、フェルミ・ハバードモデルに対して古典的アルゴリズムを適用している：

• 厳密対角化およびニューラル量子状態（NQS）から得られた基底状態から、最も近いスレーター行列式を抽出している。
• 単純な勾配上昇法は、ランダムに初期化された場合、システムサイズが大きくなるにつれてグローバル最適解に到達できず、グローバル最大値を大きく下回る忠実度を持つ局所最適解に頻繁に陥ることを示している。
• 様々な状態アンサンブル（ランダム、弱相関、物理的状態）を用いた数値実験により、偽の停留点は一般に $2/3$ の閾値以下に存在することが確認された。ただし、$2/3$ の境界は、特別に構成された敵対的な状態に対してのみタイトとなる。

意義
本論文は、任意のフェルミオン状態に対する最も近いスレーター行列式を学習するための、厳密な性能保証を持つ初のアルゴリズムを提供している。その意義は以下の点にある：

1. アルゴリズムの保証： これまでヒューリスティックな手法に頼り、収束保証がなかったフェルミオン状態のアグノスティックなトモグラフィーに対して、証明可能な解法を提供している。
2. 複雑性の特性化： 粒子数および精度における計算の困難性を確立し、古典的または量子的に効率的に達成できることの限界を設定した。
3. 幾何学的洞察： 最適化がグローバルに信頼可能になる臨界点として、$2/3$ の忠実度閾値を特定し、量子化学や物性物理学における最適化結果を検証するための実用的な基準を提供した。
4. 実用的な有用性： 複雑な多体状態（NQSなどで表現されるもの）から、自然軌道基底や粒子・正孔励起構造を抽出することを可能にし、量子シミュレーションの解釈性を高める。