Equilibrium propagation in non-equilibrium quantum systems

技術要約：非平衡量子系における平衡伝播（Equilibrium Propagation）

問題提起
平衡伝播（EP）は、エネルギーまたは自由エネルギー関数の存在を利用して勾配を効率的に抽出する、物理学習システムのための強力なトレーニングアルゴリズムである。古典系や平衡量子系（状態が基底状態または熱平衡状態である場合）には成功裏に適用されているが、量子アプリケーションにおいては重大なボトルネックが存在する。それは、EPがパラメータ更新のたびにシステムを基底状態へと再平衡化させる必要があることである。多体ハミルトニアンの基底状態準備は一般にQMA困難であり、効率的な準備は特定の領域（高温度や1次元系など）に限定されることが多い。この繰り返される基底状態準備への依存は、大規模な量子学習における深刻なスケーラビリティの課題となっている。

著者らは、外部の冷却メカニズムを必要とせず、パラメータに依存する非平衡定常状態（NESS）へと自然に緩和する**駆動散逸量子系（driven-dissipative quantum systems）**へEPを拡張できるかという問いに取り組んでいる。ここでの直接的なEPの適用は、これらの非平衡状態が明確な自由エネルギーを持たず、標準的な感受性対称性が保証されないために失敗する。

手法および理論的枠組み
本論文は、マルコフ型リンドブラッド・マスター方程式に従う開いた量子系へとEPを拡張することを提案している。コアとなる手法は、隠れた時間反転対称性（hTRS）、すなわち量子的な詳細釣合いの一種を満たす特定の非平衡系のクラスを特定することに基づいている。

1. 隠れた時間反転対称性 (hTRS): 著者らは、有効非エルミート・ハミルトニアンおよびジャンプ演算子が、反線形演算子 $\hat{\Psi}$ を含む特定の制約を満たす条件を利用している。hTRSは、熱的なギブス状態から遠く離れたNESSを許容する一方で、システムの動力学に対して強い制約を課す。
2. 感受性対称性: 中心となる理論的洞察は、hTRSが、駆動位相のユニタリ変換に関連する自明なゲージ共変性を、異なる駆動強度や位相を持つ定常状態を結びつける非自明な関係へと昇華させることにある。これにより、非平衡定常状態における静的感受性対称性の導出が可能となる。具体的には、ある観測量の $i$ に対する $j$ の応答と、観測量 $j$ に対する $i$ の応答が等しい（$\partial \langle \hat{O}_i \rangle / \partial \theta_j = \partial \langle \hat{O}_j \rangle / \partial \theta_i$）という性質を、自由エネルギーが存在しない状況下でも、特定の観測量について証明している。
3. EPトレーニングプロトコル: 著者らは、標準的な2フェーズのEPプロトコルを適応させている：
   • フリーフェーズ (Free Phase): システムは現在のパラメータによって定義されるNESS $\hat{\rho}_0$ へと緩和する。
   • ナッジフェーズ (Nudged Phase): 出力サイト上の駆動を誤差ベクトル（$\vec{\theta}' \to \vec{\theta}' + \beta \vec{\epsilon}$）に比例して摂動させ、システムは新しいNESS $\hat{\rho}_\beta$ へと緩和する。
   • 勾配推定: 導出された感受性対称性に依拠して、ナッジされた状態とフリー状態の間の期待値の差を用いて勾配を計算し、正当性を確保する。

主要な貢献とモデル
著者らは、hTRSが正確な感受性対称性を可能にすることを実証するために、これらの方策を2つの実験的に関連性の高い多体系モデルに対して導出した。

• 散逸横磁場イジング模型 (DTFIM): 全対全のイジング相互作用と局所的な緩和を持つ、$N$ 個のラビ駆動された量子ビットからなる系。著者らは、駆動振幅 $\Omega_j$ に対して、定常状態のコヒーレンス $\langle \hat{\sigma}_j^y \rangle$ が要求される対称性 $\partial \langle \hat{\sigma}_i^y \rangle / \partial \Omega_j = \partial \langle \hat{\sigma}_j^y \rangle / \partial \Omega_i$ を満たすことを示している。特筆すべきは、観測量 $\hat{\sigma}^y$ がハミルトニアンに現れないことであり、これは対称性の非平衡的な性質を強調している。
• パラメトリック駆動ボゾン格子: 2光子駆動とカー非線形性を備えた、相互作用するボゾンモードの系。著者らは、実数値の駆動振幅 $M_{ij}$ に対して、定常状態のペア相関 $\langle \hat{Y}_{ij} \rangle$ （ここで $\hat{Y}_{ij} \propto i(\hat{a}_i \hat{a}_j - \hat{a}_i^\dagger \hat{a}_j^\dagger)$）が一般化された感受性対称性を満たすことを確立した。このモデルは空間構造と非有界な局所ヒルベルト空間を備えており、DTFIMよりも複雑な性質を持つ。

結果
著者らは、提案されたEP法を「教師・生徒」学習セットアップ（生徒システムが教師システムの入出力写像を学習する教師あり学習）を用いて、標準的なパラメータシフト法と比較検証した。

• DTFIMシミュレーション: $N=11$ のスピン系において、EPはターゲットとする入出力関係へと収束した。しかし、EPはパラメータシフト法よりも大幅に少ない状態準備を必要とした。著者らは、勾配更新あたりの個別の定常状態準備の数に関して、約 $2M_{train}/3 \approx 6.67$ 倍のスピードアップを報告している。
• ボゾン格子シミュレーション: $N=4$ モード系においても、EPは同様にパラメータシフト法を上回り、6倍のススピードアップを示した。ボゾンモデルは非単調で複雑な入出力関係を示しており、DTFIMと比較して高い表現力を示唆している。
• 効率性: 両方のケースにおいて、EPは状態準備のスケーリングを、パラメータシフト法で必要なパラメータ数に比例する線形スケーリングから、パラメータ数に依存しない定数個（通常2または3の状態）へと削減した。

意義と主張
本論文は、繰り返し行われる基底状態準備という過酷なコストを回避しつつ、非平衡量子系における物理的学習への実行可能な経路を確立したと主張している。

• 理論的突破口: 本研究は、「平衡」伝播における「平衡」が、厳密には熱平衡や自由エネルギーを必要としないことを示している。代わりに、特定の静的感受性の対称性を必要とし、それは駆動散逸系におけるhTRSによって保証され得る。
• スケーラビリティ: 開いた量子系の自然な緩和ダイナミクスを活用することで、提案手法は基底状態準備のQMA困難性を回避し、多体系量子システムのためのスケーラブルな学習アルゴリズムを提供している。
• 範囲: 著者らは、焦点は（複雑な関数を学習する能力である）表現力ではなく、学習可能性（勾配降下アルゴリズムの効率性）にあることを明示している。結果は、hTRSを持つ非平衡系が高い表現力を持ち得ることを示唆しているが、これに関する系統的な研究は今後の課題としている。
• 汎用性: 著者らは、これらを2つの特定のモデルで示したものの、このアプローチは、散逸スピン鎖や相互作用するフェルミオン模型など、hTRSを持つ他の系にも適用可能であると述べている。また、近似的なhTRSを持つ系も利用できる可能性を示唆しており、利用可能な物理系のクラスを拡大できるとしている。