Pathwise Random Hamiltonian Simulation

技術要約：パスワイズ・ランダム・ハミルトニアン・シミュレーション (PRHS)

問題提起
ハミルトニアン・シミュレーションは、位相推定、最適化、線形システム・ソルバーなどのアルゴリズムに不可欠な、量子コンピューティングにおける基本的なプリミティブである。標準的なアプローチでは、単純なハミルトニアン項の進化を合成することで、時間発展演算子 $e^{-iHt}$ を近似する、トロッター・鈴木分解（Trotter–Suzuki decomposition）のような演算子分割手法が用いられる。これらの手法は概念的には単純であり、補助量子ビットを必要としないが、決定論的なトロッター・鈴木公式は、ハミルトニアン項の数 ($\Gamma$) および目標精度に対する逆数 ($1/\epsilon$) に対して多項式依存性を示す。

$\Gamma$ への依存性を解決するために、ランダム化された代替案として qDrift プロトコルが導入された。qDrift は古典的な確率分布からハミルトニアン項をサンプリングすることで、$\Gamma$ への明示的な依存性を排除している。しかし、qDrift は本質的に進化時間に対して 1 次の精度に限定されており、そのクエリ複雑性は $1/\epsilon$ に対して線形に留まる。高次への拡張を試みた先行研究は、以下のような重大なトレードオフに直面してきた：

• qSWIFT は任意の次数を達成できるが、補助量子ビットを必要とする。
• Composite qDrift は補助量子ビットを必要としないが、$\Gamma$ への依存性が再導入される。
• qSHIFT は高次を実現するが、目標次数に応じて急速に増大する古典方程式の解法を必要とする。

その結果、補助量子ビットフリーの簡便性、$\Gamma$ からの独立性、および効率的に計算可能なサンプリング規則を維持したまま、任意の次数の一般化を行う qDrift の構築は、未解決の問題であり続けてきた。

手法
本論文では、進化パラメータ $\Lambda t$ （ここで $\Lambda = \sum |\lambda_\gamma|$）における任意の次数 $M$ への qDrift の系統的な拡張として、パスワイズ・ランダム・ハミルトニアン・シミュレーション (PRHS) を提案する。

1. 相関サンプリング: 各時間ステップごとに独立した項をサンプリングする標準的な qDrift とは異なり、PRHS は各時間ステップ $t$ を $M$ 個の相関を持つスライスに分割する。進化は、準確率分布 $q_M(\alpha)$ からサンプリングされた $M$ 個のハミルトニアン項のシーケンス $\alpha = (\alpha_1, \dots, \alpha_M)$ によって制御される。
2. 一意な分布の構成: 著者らは、$M$ 次の精度を達成する一意な準確率分布 $q_M(\alpha)$ が存在することを証明し、この分布の閉形式の式を導出した。この構成は、任意のインデックス・ベクトル $\alpha$ を、連続する等しいエントリからなる極大ラン（maximal runs）へと分解することに基づいている。分布は第1種スターリング数 $s(c, b)$ と標準的な qDrft 重み $\mu_\gamma = |\lambda_\gamma|/\Lambda$ を用いて以下のように定義される：
   $$q_M(\alpha) = \sum_{b_1, \dots, b_L \ge 1} \frac{M!}{n!} \prod_{l=1}^L \frac{\mu_{g_l}^{b_l}}{b_l!} \frac{s(c_l, b_l)}{c_l!}$$
   ここで $n = \sum b_l$ であり、$(g_l, c_l)$ は軌跡における第 $l$ 番目のランの値とカウントを表す。
3. バイアスと誤差境界: 得られる量子チャネルは、バイアスが $M$ に対して階乗的に減少する形で真の進化を近似する。単一ブロックのダイヤモンド距離誤差は以下で抑えられる：
   $$\delta_M \le \frac{(2\Lambda t)^{M+1}}{(M+1)!} e^{2\Lambda t}$$
   $N$ 個の独立したブロックで構成される全進化時間 $T = Nt$ について、総誤差は $\delta(N, M) \le N \frac{(2\Lambda T/N)^{M+1}}{(M+1)!} e^{2\Lambda T/N}$ とスケールする。
4. 準確率の取り扱い: $q_M(\alpha)$ は負の値を取り得るため、プロトコルは重要度サンプリング（importance sampling）を採用する。サンプルは正規化された絶対分布 $|q_M(\alpha)|/\|q_M\|_1$ から抽出され、測定結果は $\|q_M\|_1$ によって再スケールされる。これにより、ショット数の増幅係数 $\|q_M\|_1^{2N}$ が導入される。

主要な貢献と最適化
本論文は、ブロックサイズ $M$ と反復回数 $N$ の共同最適化を通じて、準確率サンプリングの欠点（ショット数の増加）を軽減できることを確立している。

• 長時間極限: $\Lambda T \to \infty$ のとき、最適な戦略は $M^*=1$ および $N^* \sim 2\Lambda^2 T^2/\epsilon$ に収束し、時間の 2 次の劣最適なスケーリングを持つ標準的な qDrift プロトコルを回収する。
• 高精度極限: $\epsilon \to 0$ （固定された $\Lambda T$）のとき、最適な戦略は $N^*=1$ および $M^* \sim \ln(1/\epsilon)/\ln\ln(1/\epsilon)$ へとシフトする。この領域における総クエリコストは以下のようになる：
  $$C(N^*, M^*) \sim \left(\frac{1}{\epsilon}\right)^{\frac{\ln \eta}{\ln \ln (1/\epsilon)}}$$
  ここで $\eta$ は問題固有のレートである。このスケーリングは $1/\epsilon$ のいかなる冪乗よりも遅く、標準的な qDrift や固定次数のトロッター・鈴木公式に対する大幅な改善を意味する。

結果
著者は、ジョルダン・ワグナー変換を介して量子ビットにマッピングされた 5 つの分子ハミルトニアン（H$_2$, HeH$^+$, LiH, BeH$_2$, H$_2$O）を用いた数値シミュレーションを通じて PRHS を検証した。

• 精度: 固定されたクエリコスト（適用された基本進化チャネルの数に一致）に対して、PRHS はテストされた全 $\Lambda T$ の範囲において、qDrift よりも 2 〜 4 桁高い精度を達成した。
• サンプリングオーバーヘッド: $\|q_M\|_1$（サンプリングオーバーヘッド）は $M$ とともに指数関数的に増大するが、数値結果は、この増大が精度の指数関数的な向上と比較して緩やかであることを示している。観測された $\|q_M\|_1$ は、論文で導出された理論的な普遍的境界を十分に下回っていた。

意義
本論文は、任意の次数、補助量子ビットフリー、かつ $\Gamma$ に依存しないランダム化ハミルトニアン・シミュレーション・プロトコルの構築という未解決問題を解決したと主張している。PRHS は、補助量子ビットのオーバーヘッドや複雑なブロック符号化なしに、高精度なシミュレーションへの体系的な道を提供する。相関の深さ ($M$) を反復回数 ($N$) に対して最適化することで、PRHS は標準的な qDrift 領域と、クエリコストが逆精度に対して劣多項式的に成長する高精度領域の間を補完する。著者は、自身の解析が（補助量子ビットを犠牲にしてより優れた漸近的スケーリングを提供する量子特異値分解法などの手法を除いた）トロッター・鈴木型の分解との比較に限定されていることを注記しているが、PRHS は近未来の量子ハードウェアにとって実用的かつリソース効率の高い代替案を提供する。今後の課題として、真のハードウェアレベルの計算コストを最小化するための、アーキテクチャを考慮した再重み付けの統合が示唆されている。