技術要約：ハイゼンベルク・スケーリングを実現する量子分配関数の改良された適応的推定

1. 問題設定

本論文は、$n$ 量子ビットの量子ハミルトニアン $H$ に対する逆温度 $\beta$ における対数分配関数 $f(\beta) = \ln Z(\beta)$ の推定という根本的な問題に取り組んでいる。分配関数 $Z(\beta) = \text{Tr}(e^{-\beta H})$ は自由エネルギーを決定し、平衡熱力学を符号化する。目標は、精度においてハイゼンベルク・スケーリング（すなわち、クエリ複雑性が $\tilde{O}(1/\epsilon)$ でスケールする加法的誤差 $\epsilon$）を達成しつつ、システムサイズ $n$ や熱状態へのアクセスに関連するリソースへの依存度を最小化することである。

本研究は、ハミルトニアンが $\alpha$-ブロックエンコーディング（ここで $\alpha = \Theta(h)$ かつ $0 \preceq H \preceq hI$）を介して提供されるという仮定の下で動作し、熱状態への2つのアクセスモデルを区別する：

1. 固定温度コヒーレント・アクセス： 温度を古典的に選択し、熱場二重（TFD）状態 $|\psi_\theta\rangle$ を準備するユニタリ $U_\theta$ にアクセスする。
2. コヒーレント温度アクセス： 逆温度が量子レジスタに格納されており、ユニタリ $U_{\text{coh}}$ によって、複数のTFD状態の重ね合わせ $|\theta\rangle|\psi_\theta\rangle$ をコヒーレントに準備できる。

2. 手法およびアルゴリズムの枠組み

2.1 再構成フレームワーク

核心となる貢献は、対数分配関数を、緩やかに変化する冷却スケジュール $0 = \beta_0 < \dots < \beta_\ell = \beta$ に沿った望遠鏡和として表現する再構成フレームワークである。スケジュールが $C$-緩やかに変化するとは、隣接するTFD状態間の二乗オーバーラップが $1/C$ によって下から抑えられていることを指す。

増分 $f(\beta_{i+1}) - f(\beta_i)$ は、**再帰的倍増恒等式（recursive-doubling identity）**を用いて分解される。この恒等式は、増分を以下の重み付き和として表現する：

• オーバーラップ： $O(\theta, s) = |\langle \psi_\theta | \psi_{\theta+s} \rangle|^2$。これは $f$ の二階有限差分に関連する。
• 再重み付け比： $R(\theta, s) = \text{Tr}(\rho_\theta e^{-sH})$。これは $f$ の一次差分に関連する。

具体的には、区間 $\Delta_i = \beta_{i+1} - \beta_i$ に対して、著者らはステップサイズ $\delta_i$ を $h\delta_i \leq 1$ となるように選び、整数 $k_i$ を $2^{k_i}\delta_i = \Delta_i$ となるように選ぶ。増分は以下のように再構成される：
$$f(\beta_{i+1}) - f(\beta_i) = 2^{k_i} B(\beta_i, \delta_i) + \sum_{j=1}^{k_i} 2^{k_i-j} A(\beta_i, 2^j \delta_i)$$
ここで $A = -\ln O$ および $B = \ln R$ である。この分解により、すべての確率がゼロから一様に離れて抑えられることが保証され、安定した対数推定が可能となる。

2.2 推定戦略

A. 固定温度アルゴリズム (Algorithm 2)

• アプローチ： 各対数項（$A$ および $B$）を、準不偏量子振幅推定器（Cornelissen および Hamoudi [10] に基づく）を用いて独立して推定する。
• 分散割り当て： 全体のクエリコストを最小化しつつ、重み付き和の分散を制御するために、再構成係数（$a_{i,j}$）に基づいて推定深度を適応的に割り当てる。
• メカニズム： $B$ に必要な短時間の虚時間再重み付けステップを実装するために、量子特異値変換（QSVT）を使用する。

B. コヒーレント温度アルゴリズム (Algorithm 3)

• アプローチ： 各項を個別に推定することを避ける。代わりに、係数に応じた確率を用いて、すべての再構成項の重ね合わせを準備する。
• 推定器： 量子逆二項対数推定器を利用する。各ブランチにおいて、最初の成功までの失敗回数をカウントするために繰り返しのコヒーレント試行を行い、このカウントを調和数に変換することで、成功確率の負の対数を近似する。
• 集約： これらのサンプルの重み付き和に対して、直接量子平均推定（Montanaro [19]）を適用する。これにより、独立した推定値を合計する際に生じる $\sqrt{\ell}$ という因子を排除できる。

2.3 スケジュール生成

著者らは、実数値スペクトルに対して、Arunachalamら [2] の適応的冷却スケジュール生成手順を応用している。TFDオーバーラップの推定値に対する二分探索を用いることで、スペクトルギャップの仮定を必要とせずに、一定温度における強拡大ハミルトニアンに対して長さ $\ell = \tilde{O}(\sqrt{n})$ のスケジュールを構築する。

3. 主要な結果と複雑性境界

ハミルトニアンが強拡大（extensive）な境界 $h = O(n)$ を持ち、一定の逆温度 $\beta = \Theta(1)$ であると仮定すると、期待クエリ複雑性（状態準備およびブロックエンコーディングの呼び出し）は以下の通りである：

アクセスモデル	クエリ複雑性	比較
固定温度	$\tilde{O}\left(\frac{n^{5/4}}{\epsilon}\right)$	非適応的戦略に対し、$n^{1/4}$ の因子で改善している。
コヒーレント温度	$\tilde{O}\left(\frac{n}{\epsilon}\right)$	理論的な下界に、対数因子を除いて一致する。

下界の最適性：
本論文は、隠れたオフセットモデルにおけるブロックエンコーディング・クエリに対して $\Omega(\alpha \beta / \epsilon)$ の下界を確立している。$\alpha = \Theta(n)$ の場合、コヒーレント温度アルゴリズムは $\tilde{O}(n/\epsilon)$ を達成しており、これは対数因子を除いて最適であることを示している。固定温度アルゴリズムは、このベンチマークに対し $\tilde{O}(n^{1/4})$ の因子の範囲内にある。

回路複雑性 (1D スピン鎖)：
効率的なTFD準備（例：準断熱継続法による）が可能な一次元系について、著者らはクエリ境界をゲート数へと変換している。

• 固定温度： $\tilde{O}(n^{9/4}/\epsilon)$ ゲート。
• コヒーレント温度： $\tilde{O}(n^2/\epsilon)$ ゲート。
  コヒーレントなTFD準備が過大なオーバーヘッドを課さない限り（パラメータ化された角度との共有回路構造により達成可能）、コヒーレント手法はゲート数において $n^{1/4}$ の優位性を維持する。

4. 意義と主張

本論文は、古典的なギブス分布に対する適応的量子分配関数推定アルゴリズムを、一般的な量子ハミルトニアン（ブロックエンコーディングを介してアクセスされるもの）へと拡張することを主張している。その意義は以下の点にある：

1. 古典的な仮定の除去： 整数スペクトルや効率的なエネルギー評価に依存する従来の作業とは異なり、本手法はQSVTによって実装可能な滑らかな量（TFDオーバーラップおよび再重み付け）を使用するため、個々のエネルギー準位を解明する必要がない。
2. ハイゼンベルク・スケーリング： 一般的な量子ハミルトニアンに対して最適な $1/\epsilon$ スケーリングを達成しており、これは従来の精度における二次的なスケーリングからの大幅な改善である。
3. より強力なモデルにおける最適性： コヒーレントな温度制御が真のリソースであることを示しており、ブロックエンコーディング・クエリに対する理論的な下界を達成している。一方で、固定温度アクセスはシステムサイズに対する多項式的なペナルティを被る。
4. 実用的な適用可能性： 本フレームワークは、スケジュールの生成から、一次元系に対するエンドツーエンドの回路リソース推定に至る完全なパイプラインを含んでおり、理論的なクエリの優位性がゲート数の改善へとどのように変換されるかを示している。

著者らは、コヒーレント温度モデルは最適なスケーリングを提供するものの、その実装オーバーヘッドは非自明であると述べている。彼らは、一次元スピン鎖における十分条件（命題 7.1）と具体的な構成（命題 8.1）を提示しており、そこではオーバーヘッドが管理可能な範囲に収まり、漸近的な優位性が維持されることを示している。