The Encoding Gauge of Fermionic Variational Quantum Algorithms: Classical Simulability is Encoding-Relative, Trainability is Invariant

技術要約：フェルミオン変分量子アルゴリズムにおけるエンコーディング・ゲージ

問題提起
本論文は、フェルミオン変分量子アルゴリズム（VQA）の量子優位性の評価における根本的な曖昧さに取り組んでいる。VQAが真の優位性を提供するためには、その出力が効率的な古典計算に対して耐性を持つ必要があるが、フェルミオンから量子ビットへのエンコーディング（例：ジョーダン・ウィグナー、ブラヴィ・キタエフ、ツリー・エンコーディング）の選択は、物理的特性ではなくモデリング上の慣習である。著者らは、あるエンコーディングによる「古典的シミュラビリティ（シミュレーション可能性）」の判定が、物理的問題に固有のものか、あるいは選択されたエンコーディング表現に依存するものなのかを調査している。彼らは、もし二つのエンコーディングが同一の問題を表現しているのであれば、理論的にはシミュラビリティについて一致すべきであると仮定しているが、標準的なエンコーディングはクリフォード関連であるため、シミュレーション資源が異なる形で変換される「ゲージ群」を形成することを実証している。

手法
著者らは、標準的な線形フェルミオン・量子ビット・エンコーディングの集合を、クリフォード・ユニタリ量に関連付けられたエンコーディング・軌道として扱う。そして、このゲージ群の下での変換特性に基づいて、シミュレーション資源を以下のように分類する：

1. ゲージ共変資源（Gauge-Covariant Resources）： 再エンコーディングによって変化する量。これには、パウリ重み、因果コーンの幅、およびエンタングルメント（テンソルネットワークのコストを決定するもの）が含まれる。
2. ゲージ不変資源（Gauge-Invariant Resources）： クリフォード共役の下で保存される量。これには、動的リー代数の次元（$\dim \mathfrak{g}$）および非スタビライザー性（スタビライザー・レニー・エントロピー $M_2$ によって測定される）が含まれる。

本研究では、三つの問題群（一般的な全結合相互作用フェルミオンモデル、分子電子構造（二水素および水化リチウム）、および1次元フェルバー・ハバード・モデル）を用いた数値シミュレーションを採用している。著者らは、構造化された非局所アンサンブルを用いて、扱いやすい領域と扱いにくい領域の間の遷移を探索する。また、切り捨てられたパウリ伝播のための絶対誤差・切断重み（$W^*$）、スパース・パウリ・ストリング閉包による動的リー代数の次元、およびスタビライザー・レニー・エントロピーを計算する。さらに、勾配およびバレン・プラトー（不毛な平坦性）の分散を計算することで、学習能力（Trainability）を分析する。

主要な貢献

1. 資源の分類： 本論文は、パウリ重みと因果コーンの幅はゲージ共変であり、動的リー代数の次元と非スタビライザー性はゲージ不変であるという厳密な区分を確立した。
2. エンコーディング依存の判定： 著者らは、固定された物理回路であっても、エンコーディングに基づいて古典的シミュラビリティの判定が変わり得ることを実証している。具体的には、相互作用アンサンブルにおいて、システムサイズが増大するにつれて、パウニ重みの減少のみを理由に、切断されたパウリ伝播のコストが「困難（intractable）」から「容易（tractable）」へとシフトする場合がある（ジョーダン・ウィグナーの下では困難だが、ブラヴィ・キタエフやツリー・エンコーディングの下では容易になる）。
3. 「ゲージ・フロア（底）」の提唱： 本論文は、エンコーディングによって最適化されたシミュレーション・コストが、不変資源によって上限が抑えられることを証明している。したがって、エンコーディングに対して堅牢な困難さ（すべてのエンコーディングにおいて持続する困難さ）には、大きな動的リー代数の次元と大きな非スタビライザー性の両方が必要となる。共変的な重みは、困難さの必要条件ではあるが、十分条件には決してなり得ない。
4. 学習能力の不変性： 著者らは、鋭い二分法を確立した：シミュレーション・コストはエンコーディングに依存するが、学習能力はエンコーディングに依存しない。彼らは、勾配ベクトルとバレン・プラトーの分散が、すべてのエンコーディングにおいてマシン精度で同一であることを証明した。この不変性は、表現の忠実性（期待値の保存）に由来しており、単なるクリフォード同値性によるものではない。

結果

• シミュレーション・コスト： 数値結果は、一般的な相互作用を持つハミルトニアンの最大パウリ重みが、ジョーダン・ウィグナーの下では線形（$O(n)$）にスケールする一方で、ツリー・エンコーディングの下では対数的（$O(\log n)$）にスケールすることを確認している。特定の構造化されたアンサンブルにおいて、切断重み $W^*$ はジョーダン・ウィグナーの下では困難性の閾値を越えるが、$n \geq 12$ ではブラヴィ・キタエフの下で閾値を下回り、シミュラビリティの判定を反転させる。
• 不変ルート： 著者らは、共変的な資源が困難さを示唆しているものの、不変ルートがシミュラビリティを示すケースを提示している。例えば、長距離相互作用を持つ自由フェルミオンは、線形なパウリ重み（困難さを示唆）を持つが、多項式的な動的リー代数次元（$n^2-1$）を持つため、どのようなエンコーディングにおいてもリー代数的手法によって効率的にシミュレート可能である。
• フロアの達成： 一つのパラメータ族を持つ相互作用モデル（$H(\lambda)$）を構築し、$\lambda \neq 0$ の場合、三つの認証ルート（パウリ重み、リー代数次元、およびマジック）が同時に失敗することを示す。この領域では、シミュレーション・コストは不変量によって設定される「フロア」によってのみ制限され、再エンコーディングによってコストをこの限界以下に下げることはできない。
• 学習能力： 数値検証により、勾配ベクトルとバレン・プラトーの分散比が、すべてのエンコーディング間で正確に1.0であることが示された。著者らは、回路を再エンコーディングしてもバレン・プラトーは緩和されないことを確認した。学習能力が変化するのは、アンサンブル自体が異なる動的代数を探索するように変更された場合のみである。

意義と主張
本論文は、ゲージ不変ではない優位性の主張は、エンコーディングによるアーティファクト（人工物）であると断じることで、量子優位性の主張を再定義している。著者らは次のように主張している：

• シミュラビリティは相対的である： 回路を再エンコーディングして（パウリ重みを減らすことで）古典的シミュレーションを容易にすることはできるが、不変資源（リー代数次元とマジック）が大きければ、問題の本質的な困難さは変わらない。
• 学習能力は絶対的である： 再エンコーディングによって学習能力を改善することはできない。ランドスケープの平坦さ（バレン・プラトー）は、エンコーディングの選択ではなく、不変的な動的リー代数の次元によって決定される。
• 認証基準： ある問題が古典コンピュータにとって困難であると主張するためには、不変の資源（大きなリー代数と大きなマジック）が実質的であることを示す必要がある。高いパウリ重み（共変的な資源）のみに依拠することは不十分である。なぜなら、異なるエンコーディングによって、その問題をシミュレート可能にする可能性があるからである。

本研究は、表現に不変なコストの完全な分類は依然として未解決の問題であるが、特定された「フロア」は、エンコーディングに対して堅牢な困難さの必要条件を提供するものであると結論付けている。これらの結果は、表現のアーティファクトと、真の計算上の障壁を区別するための、優位性の主張に対する証明書として機能する。