Walshness: an intrinsic neural-network representability metric for quantum states

タイトル： Walshness（ウォルシュネス）：量子状態における本質的なニューラルネットワーク表現可能性の指標

問題提起
ニューラル量子状態（NQS）は、量子多体系のシミュレーションにおいて強力なツールとなっているが、依然として根本的な理論的ギャップが存在する。すなわち、特定の量子状態がニューラルネットワークによって効率的に表現可能であるかどうかを予測するための、定量的かつ本質的な指標が存在しないのである。テンソルネットワークにおける効率性はもはやもつれエントロピーによって規定されるが、NQSの複雑さは、ニューラルネットワークの非線形なパラメータ化、量子波動関数の複雑な符号構造、そして基底の選択への強い依存性に 의해複雑化されている。既存の実証的研究は、ある基底において効率的に表現可能な状態が、別の基底では失敗する可能性があることを示唆しているが、基底の選択と表現可能性を結びつける体系的な理論は欠けていた。

手法
著者らは、Walsh-Hadamard変換（$\mathbb{Z}_2^n$ 上の離散フーリエ変換）に由来する、Walshnessと呼ばれる新しい複雑性指標を導入する。

1. 定義：

   • Walshスペクトル： 状態 $|\psi\rangle = \sum_s \psi(s)|s\rangle$ に対して、Walsh-Hadamard変換は係数 $\hat{\psi}(r)$ を与える。Walshスペクトル $p_\psi(r) = |\hat{\psi}(r)|^2 / \sum |\hat{\psi}(r)|^2$ は、古典的な確率分布として扱われる。
   • 固定基底におけるWalshness ($W^Z_\alpha$)： $W^Z_\alpha[|\psi\rangle] = \frac{1}{\alpha} \log \mathbb{E}_{r \sim p_\psi}[e^{\alpha |r|_1}]$ と定義される。ここで $|r|_1$ はハミング重みである。この指標は、特定の基底における波動関数の「振動的」な性質を定量化する。高い値は、フーリエモードが高次のハミング重みに集中していることを示す。
   • 本質的なWalshness ($W_\alpha$)： 基底依存性を排除するため、著者らは単一サイト・ユニタリ変換 $U = \bigotimes U_i$ の全集合における $W^Z_\alpha$ の最小値として、本質的なWalshnessを定義する。

2. 最適化アルゴリズム：
   著者らは、本質的なWalshawessを最小化することが、古典スピンモデルのエネルギーを最小化することと等価であることを証明している。具体的には、$W_\alpha$ を最小化することは、期待値 $E[\{\hat{n}_j\}] = \langle \prod_j A_\alpha(\hat{n}_j) \rangle$ （ここで $A_\alpha$ は $\alpha$ に依存する特定の演算子）を最小化する局所軸 $\{\hat{n}_j\}$ を見つけることに対応する。これにより、最適な局所基底を見つけるための座標降下法アルゴリズムの使用が可能となる。

3. 理論的証明：
   本論文は、Walshnessと多層パーセプトロン（MLP）および制限ボルツマンマシン（RBM）の表現可能性との間の、厳密な両方向の境界を確立している。

   • 順方向： 低い固定基底Walshawessを持つ量子状態は、任意の一定の不完全度に対して、効率的なMLP表現（多項式幅、対数深さ）を持つ。逆に、高いWalshawessを持つ状態を効率的に表現するには、深いネットワーク（深さ $\Omega(\log n)$ 以上）が必要となる。
   • 逆方向： コンパクトなMLP表現を持つ状態は、必ず低いWalshawessを持たなければならない。
   • RBMへの拡張： 波動関数の対数に対して同様の「乗法的Walshawess」が定義され、RBMに関する同様の境界が確立されている。

主要な結果

• 理論的特性付け： 著者らは、NQSの学習可能性に関する精密な特性付けを行っている。ある状態が浅いニューラルネットワークによって効率的に表現可能であるための必要十分条件は、ある基底においてWalshawessが有界であることであることを証明した。
• 基底の最適化： 提案されたアルゴリズムは、様々な物理状態に対してWalshawessを最小化する局所基底を正常に特定する。
• 実証的検証：
  • 強磁性体： $|+x\rangle$ 状態（定数関数）はゼロのWalshawessを持ち、学習が極めて容易であることを正しく特定する一方、$|-x\rangle$ 状態（パリティ関数）は最大のWalshawessを持ち、Z基底においては指数関数的に学習が困難であることを特定する。
  • 横磁場イジングモデル（TFIM）： 強磁性相（$g < 1$）において、Walshawessを最小化する基底は、周期2のスタッガリング（よじれ）を示し、並進対称性を自発的に破る。この最適化された基底でNQSを訓練することで、標準的な計算基底と比較して、特に大きなシステムサイズ（$n=24, 26$）において、不完全度が数桁減少する。
  • フラストレーションのある反強磁性体： この手法は、非フラストレーションな二部グラフ反強磁性体におけるよく知られたマーシャル符号則を回収し、さらにそれをフラストレーションのある領域（例：2D XYZ反強磁性体）へと一般化し、標準的なマーシャル則よりもWalshawessを低減させる基底回転を見出す。
  • 混合磁場トーリックコード： このアプローチは、Walshawnessの減少が大幅である場合に、トポロジカル秩序状態の学習能を向上させることを示しているが、減少が最小限となる自己双対点付近ではその利点は減少する。

意義と主張
本論文は、テンソルネットワークにおける絡み合いエントロピーの役割と同様に、量子状態に対する「初の本質的な複雑性指標」であり、かつニューラルネットワークの表現可能性との間で証明可能な両方向の接続を持つものであると主張している。

• 診断ツール： Walshnessは、絡み合いやマジックとは異なる、量子状態を診断するための新しい視点を提供する。これは、量子相、臨界性、およびトポロジカル秩序に関する洞察を与える可能性がある。
• 実用的な有用性： この指標は、NQSの実践者にとって実用的なツールとなる。Walshawessを最小化して最適な局所基底を見つけることで、ニューラル量子状態の学習能と精度を大幅に向上させることができ、しばしば不完全度を数桁減少させることができる。
• ヒューリスティックの一般化： この枠組みは、マーシャル符号則のような確立された物理的ヒューリスティックを回収し、一般化する。これは、量子モンテカルロおよびNQSにおける符号問題に対処するための統一的なアプローチを示唆している。

著者らは、その範囲について謙虚な姿勢を保っており、結果はシステムサイズに対して漸近的であり、主にアンサンブルがアンダーパラメータ化されている場合に適用されることを述べている。また、この手法は最適化を改善するものではあるが、オーバーパラメータ化された領域における表現可能性を保証するものではないこと、および、厳密な手法による最適基底の探索の計算コストはシステムサイズに対して指数関数的にスケールすること（ただし、本論文は原理の理論的提示と数値的デモンストレーションに焦点を当てている）を認めている。