Belief Propagation-based Disentanglers for Tensor Network State Preparation

技術要約：テンソルネットワーク状態準備のための信念伝播に基づくディスエンタングラー

問題提起
量子状態準備（QSP）は、ハミルトニアンの時間発展、基底状態探索、量子機械学習を含む多くの量子アルゴリズムの前提条件である。任意の$N$量子ビット状態の正確な準備には指数関数的なリソースが必要となるが、テンソルネットワーク（TN）のような構造的近似を活用することで、効率化への道が開かれる。しかし、既存のQSP手法には以下のような重大な限界がある：

• **行列積状態（MPS）およびツリーテンソルネットワーク（TTN）**は、効率的な収縮と標準形が可能であり、確立された準備スキームが存在する。
• ループを持つテンソルネットワーク（例：射影絡み合い対状態（PEPS）や任意のグラフ上のTN）は、正確な収縮が困難であり、厳密な標準形を持たない。
• ループを持つネットワークに対する現在の準備スキームは、限定的な仮定（特定のテンソルクラス、一意な親ハミルトニアンなど）や非ユニタリなリソース（測定、散逸）に依存している。
• 全局的に回路の忠実度を最適化する変分手法は、「バレン・プラトー（勾配消失）」の問題に苦しむことが多く、良好な初期化を必要とするが、これは常に利用可能とは限らない。さらに、大規模なループグラフにおける忠実度の評価を正確に行うことはできない。

これに対し、浅いデジタル量子回路の古典的な、バレン・プラトーのない最適化を用いて、任意の有界次数グラフ（ループを含む）上のTN状態を準備できる手法には空白が存在する。

手法
著者らは、もつれ生成プロセスを逆転させるヒューリスティックなスキームである、**信念伝播ベースのディスエンタングラー（BPD）**を導入する。核心となるアイデアは、ターゲット状態 $|\psi\rangle$ を、変分的に最適化された近接相互作用ゲートを適用することで積状態 $|0\rangle^{\otimes N}$ へと駆動することであり、この回路のエルミート共役を用いることで、$|0\rangle^{\otimes N}$ からターゲットを準備する。

手法の主要コンポーネントは以下の通りである：

1. 信念伝播（BP）ゲージ： この手法は、メッセージ行列（$M_{\mu,\nu}$）を用いてテンソルの環境を近似するテンソルネットワーク・ゲージング・スキームであるBPを利用する。BPはツリー構造に対しては正確であるが、ループを持つネットワークに対しては近似的である。しかし、大規模な古典シミュレーションを可能にすることが示されている。
2. エッジ・エントロピー最小化： 問題を、グローバルな最適化ではなく、独立した、厳密に局所的な古典的変分最適化へと還元する。各ボンド $(\mu, \nu)$ に対して、エッジ・エントロピー $S_\alpha(\mu, \nu)$ を最小化するように、2量子ビットの「ディスエンタングラー」ゲート $U_{\mu,\nu}(\theta)$ が最適化される。このエントロピーは、BPメッセージの積（$M_{\mu,\nu}^{1/2} M_{\nu,\mu}^{1/2}$）の特異値から計算され、ループを持つグラフにおける二部エントロピーを一般化したものである。
3. 局所的変分最適化： ゲートパラメータ $\theta$ は $S_\alpha$ を最小化するように最適化される。著者らは、この局所的なコスト関数の勾配がシステムサイズ $N$ に対して指数関数的に消失しないことを示している。勾配の分散は、ボンド次元 $\chi$ に対してのみ多項式的に減少する。
4. エッジ・カラーリングによる並列化： ディスエンタングラーを効率的に適用するために、グラフのエッジ・カラーリングを用いてエッジを並列ラウンドにスケジューリングする。コーディネーション数 $z$ に対して $K \le z + 1$ 色のカラーリングは常に存在する。これにより、ディスエンタリング層の深さは最大で $z+1$ となる。
5. 回路構成： $L$ 層のディスエンタングラー適用後、単一量子ビットのユニタリ操作によって残りの状態を $|0\rangle^{\otimes N}$ へ回転させる。ターゲット準備回路はこの一連の操作のエルミート共役である。
6. ハイブリッド精緻化： オーバーラップ・ネットワークが正確に収縮可能である場合（例：TTNや小規模なシステム）、BPD回路はEvenbly-Vidal（EV）スイープ・ゲート・オプティマイザによってさらに精緻化できる。

主な結果
著者らは、2つの異なるターゲットに対して本手法を実証した：

1. 多変量正規分布： 「コーム（櫛型）」幾何学を用いた102量子ビット上の17次元ガウス分布（TTNを使用）。
   • 3〜5層のディスエンタリング層を用いることで、インフィデリティ（$I = 1-F$）は約 $0.02$ を達成した。
   • EVスイープ（$L=5$）を組み合わせると、インフィデリティは $I < 0.01$ まで低下した。
   • 本手法は、ターゲットの確率分布および相関（例：$x_1$ と $x_2$ の間）を正常に再現した。
2. 横磁場イジングモデル（TFIM）の基底状態：
   • 64量子ビットシステム： ヘビーヘックス格子（IBM Eagleトポロジー）上でボンド次元 $\chi=8$ の場合、本手法は $g_x=1.0$ においてわずか2層で $I < 0.01$ を達成した。相関が長距離に及ぶ臨界点付近（$g_x \approx 1.4-1.5$）では、回路の有限なライトコーンとBPの限界に起因して、インフィデリティは $\approx 0.1$ に達した。
   • 127量子ビットシステム： フルIBM Eagleプロセッサ・トポロジー（$N=127, \chi=32$）において、本手法は $0.9 - 0.999$オーダーの忠実度で基底状態を準備した。観測量（秩序パラメータ$\langle Z \rangle$、横磁化$\langle X \rangle$、および相関関数$\langle ZZ \rangle$）は、BPの精度が低下する臨界点付近での偏差を除き、相図全体にわたってターゲットと一致した。

意義と主張
本論文は、以下の特性を持つ手法を提供することで、量子状態準備における重要なギャップを埋めることを主張している：

• ディスエンタングラーの一般化： 以前はMPSに限定されていた古典的変分ディスエンタングラー（CVD）アルゴリズムを、TTNおよびループを持つTNへと拡張した。
• バレン・プラトーの回避： 問題を厳密に局所的な最適化に還元することで、一般的な変分量子固有値ソルバー（VQE）に共通する勾配消失の問題を回避している。
• 古典的効率性： 最適化はBPメッセージを用いて完全に古典的に行われるため、回路合成フェーズにおいて量子ハードウェアを必要としない。
• ハードウェア適合性： 得られる回路は浅く（深さはコーディネーション数によって制限される）、近接相互作用ゲートで構成されているため、接続性に制限のある近未来のハードウェアに適している。
• 汎用性： 本手法は、ターゲットが既知のハミルトニアンの基底状態であることや、準備しやすい状態からの滑らかな補間であることを必要とせず、MPSの形式を超えた、TNによって記述される古典データをロードすることを可能にする。

著者らは、本手法はヒューリスティックであり、すべてのターゲットに対して浅く正確な回路を保証するものではないという限界についても述べている。その成功は、BPゲージが良い近似であること（すなわち、状態がツリー状の相関または長いループを持っていること）という仮定に依存している。さらに、長距離相関が回路のライトコーンおよびBPの近似精度を超えてしまう臨界点付近では、手法の性能が低下する。