技術要約：複数の初期状態を用いた量子スペクトル推定

問題設定

本論文は、量子アルゴリズムを用いてハミルトニアン $H$ のスペクトルおよび固有状態の特性を特徴付ける際の課題に取り組んでいる。具体的には、以下の2つの基本的なタスクに焦点を当てている：

1. 支配的固有状態密度（DODS）推定： 支配的な固有値 $\{\lambda_m\}$ およびその多重度（近接した縮退クラスターを含む）の推定。
2. 縮退固有状態特性の推定： これらの支配的な（おそらく縮退した）固有空間に制限された観測量の期待値の推定。

最近提案された QFAMES（固有値スペクトルのフィルタリングと多重度の解析のための量子フィルタリング）フレームワークは、これらの問題を効率的に解決できるが、初期状態の数（$L$ および $R$）に関するリソースのスケーリングが最適ではない。元の QFAMES アルゴリズムでは、全ハミルトニアンシミュレーションコストが積 $LR$ に対して線形にスケールする。これは、特に縮退または準縮退したシステムにおいて、ターゲットとなる固有空間との十分なオーバーラップを確保するために、大量の初期状態のコレクションが必要となる場合が多いことから、ボトルネックを生じさせる。著者らは、より効率的なアルゴリズムを設計することで、$L$ および $R$ に関するスケーリングを改善できるかどうかを問うている。

手法

著者らは、QFAMES フレームワーク内におけるデータ生成戦略の修正として、従来の 共有時間サンプリング（Shared Time Sampling） に代わる 独立時間サンプリング（Independent Time Sampling） を提案している。

コアフレームワーク (QFAMES)

このアルゴリズムは、理想的な信号 $F(\theta)$ を近似するフィルタリングされたデータ行列 $G(\theta)$ を構築することに基づいている。ここで、$F(\theta)$ は以下のように定義される：
$$F(\theta) = \Phi \cdot \text{diag}\left(\{e^{-(\theta-\lambda_m)^2 T^2}\}_{m}\right) \cdot \Psi^\dagger$$
ここで、$\Phi$ と $\Psi$ は初期状態と正確な固有状態との間のオーバーラップ行列であり、$T$ はフィルタリングの時間スケールである。行列の成分は、時間発展した相関 $\langle \phi_l | e^{-iHt} | \psi_r \rangle$ を用いた一般化されたアダマールテストを通じて推定される。

イノベーション：独立時間サンプリング

• 共有時間サンプリング (Original): ハミルトニアンの時間発展時刻 $\{t_n\}_{n=1}^N$ が一度だけサンプリングされ、すべての初期状態のペア $(l, r)$ で共有される。その結果、行列成分における統計的ゆらぎは相関を持つ。
• 独立時間サンプリング (Proposed): 時間発展時刻 $\{t_{l,r,n}\}_{n=1}^N$ が、各初期状態のペア $(l, r)$ に対して独立にサンプリングされる。

この変更により、誤差行列 $E(\theta) = G(\theta) - F(\theta)$ の統計的性質が変化する。独立サンプリングの下では、異なる行列成分間の統計的誤差は無相関となり、$L$ や $R$ が増加するにつれて、それらがより効果的に平均化されるようになる。

主要な貢献と理論的結果

著者らは、特定の構造的仮定（クラスター分離、支配的信号、および一様オーバーラップ）の下で、独立サンプリングが共有サンプリングと比較して誤差とコストのスケーリングを大幅に改善することを示す厳密な理論的保証を確立した。

1. 固有値推定のスケーリング

• 共有サンプリング: $\epsilon$-精度に必要な総シミュレーション時間 $T_{\text{total}}$ は、$\tilde{O}(LR / (\bar{p}_{\text{tail}} \bar{p}_{\text{min}} \epsilon))$ でスケールする。
• 独立サンプリング: スケーリングは $\tilde{O}\left(\max\left(\frac{1}{\bar{p}_{\text{tail}} \bar{p}_{\text{min}} \epsilon}, \frac{\sqrt{LR}}{\bar{p}_{\text{min}}^2 \epsilon}, \frac{LR \bar{p}_{\text{tail}}}{\bar{p}_{\text{min}} \epsilon}\right)\right)$ に改善される。
• 意義: 初期状態の数が極端に多くない（具体的には $\sqrt{LR} \lesssim \bar{p}_{\text{min}}/\bar{p}_{\text{tail}}$）という実用的に関連性の高い領域において、総コストは（対数因子を除いて）$L$ および $R$ に依存しなくなる。統計的誤差は $1/\sqrt{LRN}$ としてスケールするため、より多くのペアが追加されるにつれて、ペアあたりのサンプル数 $N$ を減らすことができる。

2. 多重度回復

• 共有サンプリング: コストは $\tilde{O}(LR / (\bar{p}_{\text{min}}^2 \Delta))$ でスケールする。相関のあるノイズにより、より多くの状態を追加しても信号対雑音比（SNR）が向上しない。
• 独立サンプリング: コストは $\tilde{O}(\max(L, R) / (\bar{p}_{\text{min}}^2 \Delta))$ でスケールする。
• 意義: $LR$ への依存性が $\max(L, R)$ に減少する。独立サンプリングにより、統計的摂動がターゲット信号よりも緩やかに増大するように制御できるため、多重度決定のための特異値の分離が容易になる。

3. 観測量推定

• 共有サンプリング: コストは $\tilde{O}(LR \|O\|_2^2 / (\epsilon_O^2 \Delta))$ でスケールする。
• 独立サンプリング: 理想的な領域（$L=R$、テールサポートなし、完全な縮退）において、コストは $\tilde{O}(\|O\|_2^2 / (\epsilon_O^2 \Delta))$ となり、$L$ および $R$ に依存しなくなる。
• 意義: 固有値推定と同様に、観測量推定における統計的誤差は $1/\sqrt{LRN}$ としてスケールし、適切なパラメータ領域において総コストを初期状態の数からデカップリング（分離）できる。

数値結果

著者らは、理論的なスケーリングを検証するために、トイモデルを用いた数値実験を行っている：

• 固有値誤差: プロットによれば、独立サンプリングの下では、誤差はバイアスによって飽和する前に $L^{-1}$ に従って近似的に減衰するが、共有サンプリングでは $L$ に依存しない誤差フロアに達する。
• 多重度回復: 特異値解析は、独立サンプリングの下では、非ターゲットの特異値が $L$ の増加に伴って減少することを示しており、これにより閾値選択のためのギャップが広がることが示されている。共有サンプリングの下では、相関のあるゆらぎにより、非ターゲットの特異値は $L$ に依存しないレベルに留まる。
• 観測量誤差: 固有値と同様に、独立サンプリングは $L^{-1}$ の誤差減衰を示すが、共有サンプリングは一定の誤差レベルを維持する。

意義と主張

本論文は、単に時間サンプリング戦略を共有から独立へと変更するだけで、QFAMES フレームワークにおいて以下のことが達成できると主張している：

1. スケーラビリティの向上: 固定精度での固有値および観測量推定のための総ハミルトニアンシミュレーションコストを、初期状態の数に依存しないようにできる。
2. リソース効率: ターゲットとなる固有空間を探索するために（特に縮退した系において）多くの初期状態のコレクションが必要となる場合でも、それによって総シミュレーション時間が比例して増加することはない。代わりに、ペアあたりのサンプル数を減らすことが可能になる。
3. 多重度回復の強化: 多重度の正確な回復のためのオーバーヘッドを $O(LR)$ から $O(\max(L, R))$ へと低減する。

著者らは、これらの改善が、トポロジカルモデルにおける基底状態の縮退の解明や、量子化学におけるマルチリファレンス手法の使用など、多くの初期状態を必要とするアプリケーションにおいて特に重要であると述べている。彼らは、理論的な境界は確立されているものの、実用性を評価するためには物理モデルを用いたさらなる数値的研究が必要であると結論づけている。本論文は、一般的なスペクトル推定問題の解決を主張しているのではなく、QFAMES フレームワーク内における初期状態の数に関連するスケーリングのボトルネックを明確に標的としている。