MPStab: an hybrid stabilizers tensor-network quantum circuit simulator

技術要約：「MPStab: ハイブリッド・スタビライザー・テンソルネットワーク量子回路シミュレータ」

問題提起
古典コンピュータによる量子系のシミュレーションは、量子ビット数に伴う状態空間次元の指数関数的な増大という根本的なボトルネックに直面している。状態ベクトルシミュレーションは厳密であるが、数十量子ビットを超えると計算が不可能になる。既存の構造化アルゴリズムは、特定の回路特性を利用することでこの問題を回避しようと試みているが、それぞれ明確な限界がある：

• テンソルネットワーク（例：MPS）: 結合（局所的な相互作用、短時間のダイナミクス）が限定された系には効率的であるが、もつれ（エンタングルメント）が急速に増大する場合、ボンド次元が指数関数的に増加するため、機能不全に陥る。
• スタビライザー法: クリフォード回路（多項式時間）に対しては効率的（パウリ・スタビライザーを追跡するため）であるが、普遍性に欠ける。非クリフォードゲート（例：$T$ゲート、任意の回転）を効率的に扱うことができず、これらは「非スタビライザー性（マジック）」を導入する。

課題は、大きなエンタングルメント（テンソルネットワークが必要）と非クリフォード演算（スタビライザー追跡が必要）の両方を含む回路をシミュレートすることであり、これらはどちらの手法単独でも効率的に扱うことができない領域である。

手法：HSMPO形式
本論文では、**HSMPO（Hybrid Stabilizer-Matrix Product Operator）**形式を実装したPythonライブラリである mpstab を紹介している。コアとなる手法は、ユニバーサルな量子回路 $U$ を、クリフォード・ユニタリ（$C_j$）と単一量子ビットの「マジック」回転（$R_j$）の交互のブロックへと分解することにある：
$$U = C_0 R_1 C_1 R_2 \dots R_N C_N$$

このアルゴリズムは、クリフォード共役がパウリ文字列をパウリ文字列へと写すという性質を利用している。クリフォードゲートを共役（$C_j R_j C_j^\dagger = \tilde{R}_j$）によってマジック回転の背後へと「押し込む」ことで、回路は一連の「ドレスされた（dressed）」回転 $\tilde{R}_j$ と、それに続く残留クリフォード発展として書き換えられる。

• ドレスされた回転: 各 $\tilde{R}_j$ は、パウリ文字列（潜在的に非局所的）の周りの回転である。極めて重要な点として、いかなるこのような回転も、パウリ文字列の非局所性に関わらず、固定されたボンド次元2を持つ厳密な**行列積演算子（MPO）**表現を持つ。
• ハイブリッド発展:
  1. バックプロパゲーション（ハイゼンベルク描像）: クリフォード演算は、効率的なタブロー算術（スタビライザー形式）を用いて観測量に適用される。これは厳密であり、多項式時間でスケールする。
  2. フォワード発展（シュレディンガー描像）: ドレスされた回転 $\tilde{R}_j$ が、MPSとして表現された量子状態にMPOとして適用される。各ステップの後、状態は最大ボンド次元 $\chi$ を維持するために圧縮される。
• 期待値: 最終的な期待値は、発展したMPSとバックプロパゲーションされた観測量との縮退によって計算される。

主な貢献

1. mpstab ライブラリ: 著者らは、HSMPOフレームワークを実装したオープンソースのモジュール式Pythonパッケージを提示している。これは Qibo エコシステムと統合されており、ユーザーは標準的な構文を使用しながら、ハイブリッドシミュレーションを活用できる。
2. モジュール型アーキテクチャ: 本パッケージは、シミュレーションを独立したエンジンに分離している：
   • スタビライザー・エンジン: クリフォードのバックプロパゲーションを処理する（例：Stim による）。
   • テンソルネットワーク・エンジン: MPS/MPOの発展を処理する（例：Jaxバックエンドを備えたQuimbによる）。
     このモジュール性により、ユーザーはバックエンドを入れ替えたり、自動微分を有効にしたり、カスタムエンジンを統合したりすることが可能である。
3. 誤差緩和機能: 本ライブラリには、マジックゲートを確率的にクリフォードゲートに置き換えることで「サロゲート（代理）」回路を生成する機能が含まれており、これはクリフォード・データ回帰のようなデータ駆動型の誤差緩和手法に有用である。
4. 複雑性解析: 著者らは、HSMPOと標準的なMPSを比較する計算コストモデルを導出した。HSMPOは、ターゲットとする忠実度に対して必要なボンド次元が純粋なMPSよりも大幅に小さい場合、クリフォードゲートが支配的な回路において多項式時間の優位性を提供することを示している。

結果とベンチマーク
論文では、カスタム・アンザッツ（CNOTラダーの深さによってエンタングルメントを、非クリフォード回転の割合 $\beta$ によってマジック成分を独立して制御するもの）を用いて、純粋なテンソルネットワーク・シミュレータ（Quimb）に対する mpstab のベンチマークを行っている。

• コストの検証: ウォールクロック測定により、解析的なコストモデルが確認された。mpstab が純粋なMPSよりも効率的になるクロスオーバーポイントが存在する。これは、回路が高度なクリフォード/非クリフォードゲート比を持ち、かつ必要なボンド次元が大きい場合に発生する。
• 忠実度の優位性: 固定されたボンド次元 $\chi$ において、mpstab は（特に回路の深さが増すにつれて）純粋なMPSよりも一貫して高い忠実度を達成する。スタビライザー成分がクリフォードゲートによって生成されるエンタングルメントを厳密に吸収するため、MPSはドレスされた非クリフォード回転によるエンタングルメントのみを表現すれば済む。
• スケーラビリティ: mpstab の優位性は、非クリフォードゲート数（$N_{nC}$）が少なく、クリフォードゲート数（$N_C$）が多い領域で最も顕著である。システムサイズが増大する場合、マジックの保持率 $\beta$ が調整され、総マジックゲート数が不当にスケールしない場合にのみ、その優位性が持続する。

意義
本論文は、mpstab を古典的な量子シミュレーションの境界を広げるための実用的なツールとして位置づけている。これは任意の規模の量子コンピュータをシミュレートすることを主張しているのではなく、むしろ古典的計算が実行可能な特定の領域を対象としている：すなわち、実質的なクリフォード構造と適度な非クリフォード注入を含む回路である。

その意義は以下の点にある：

1. ギャップの架け橋: エンタングルメント生成のためのスタビライザー法の効率性と、非クリフォード演算のためのテンソルネットワークの普遍性を効果的に組み合わせている。
2. 実用的有用性: Qibo との統合およびモジュール式エンジンを提供することで、変分アルゴリズムや誤差緩和ワークフローにおけるハイブリッドシミュレーションの活用を促進する。
3. 領域の特定: 著者らは、ユーザーが標準的なシミュレータと比較していつ mpstab を採用すべきかを導く具体的な「フェーズマップ」（クリフォード対非クリフォードのゲート数およびボンド次元に基づく）を提供している。

結論として、mpstab は、純粋なテンソルネットワークのアプローチと比較して、より高い精度をより低い計算コストで達成できる、クリフォード支配的な（適度な非クリフォード成分を含む）回路において好ましいシミュレータである。