Non-commutative optimization problems with differential constraints

기술 요약: 미분 제약 조건이 있는 비가환 최적화 문제

문제 정의
비가환 다항식 최적화(Non-commutative polynomial optimization, NPO) 문제는 모든 힐베르트 공간, 연산자 및 상태에 대해 다항식 제약 조건(양의 준정부호 연산자)을 만족하는 연산자 변수의 다항식 상태 평균을 최소화하는 것을 목표로 한다. NPO 이론은 많은 양자 물리 문제(예: 벨 부등식, 바닥 상태 에너지)에 대해 완전한 준정부호 프로그래밍(SDP) 완화 계층을 제공하지만, 미분 제약 조건을 본질적으로 처리할 수는 없다. 구체적으로, 개방형 또는 폐쇄형 양자 시스템의 시간 진화는 비가환 변수 상의 미분 방정식에 의해 모델링되는데, 이는 정적인 다항식 부등식으로 표현될 수 없다. 이러한 한계는 표준 NPO 프레임워크 내에서 매우 제한적인 시나리오를 제외하고는, 다체 시스템의 미래 거동 예측이나 양자 장치의 판독 오류 완화와 같은 과업을 공식화하는 것을 방해한다.

본 논문은 미분 비가환 다항식 최적화(Differential Non-Commutative Polynomial Optimization, DNPO) 문제를 도입한다. DNPO는 연속 매개변수 $t \in [0, 1]$에 의해 인덱싱된 일부 변수가 상미분 방정식(ODE)을 만족하는 비가환 변수에 대해 목적 함수를 최소화하는 과정이다. 최적화는 이러한 미분 및 대수적 제약 조건을 만족하는 모든 힐베르트 공간, 연산자 및 정규화된 상태에 대해 수행된다.

방법론
핵심 기여는 임의의 DNPO 문제를 보조 표준 NPO 문제로 완화하여 기존의 SDP 계층을 사용할 수 있게 하는 방법이다. 유도 과정은 다음과 같다:

1. 연산자 확장: 저자들은 시간 의존적 연산자 $X(t)$와 시간 매개변수 $t$를 확장된 힐베르트 공간 $\tilde{H} = H \otimes L^2[0, 1]$로 매핑한다. 이들은 새로운 연산자 $\tilde{X}$와 $\tilde{T}$($\tilde{T}$는 $t$에 의한 곱셈 연산자로 작용)를 정의하며, 이를 통해 원래 문제의 적분 제약 조건과 미분 방정식이 이 새로운 연산자들에 대한 대수적 제약 조건으로 변환된다.
2. 미분 맵(Differentiation Map): 추상 대수 상의 선형 미분 맵 $D$를 정의한다. 이 맵은 관계식 $D(h)(\tilde{T}, \tilde{X}, \tilde{Y}) = \int dt \frac{d}{dt}h(t, X(t), Y) \otimes |t\rangle\langle t|$를 통해 미분 방정식 $dX_i/dt = g_i(t, X, Y)$를 인코딩한다.
3. 미적분학의 기본 정리: 미분 제약 조건은 미분된 다항식의 기댓값이 경계값의 차이와 같아야 한다는 조건 $\omega(D(h)) = \omega(h(1)) - \omega(h(0))$을 요구함으로써 강제된다.
4. SDP 계층 구축: 결과로 얻은 NPO 문제(Denoted as $Q$)는 모멘트 행렬 및 국소화 행렬의 양의 준정부호 제약 조건을 만족하면서 다항식 대수 상의 선형 범함수 $\tilde{\omega}$를 최적화함으로써 SDP의 계층으로 완화된다.
5. 수렴 조건: 저자들은 결과 NPO 문제가 아르키메데스 조건(feasible 연산자가 유계임을 보장하는 조건)을 만족하면, SDP 완화 계층이 **완전(complete)**하다는 것을 증명한다. 즉, SDP 하한/상한 시퀀스는 원래 DNPO 문제의 정확한 해로 수렴한다.
6. 마르코프 및 열역학적 확장:
   • 마르코프 DNPO(서로 다른 시간의 변수들이 제약 조건에서 섞이지 않는 경우)의 경우, 계산 비용을 줄이기 위해 세 개의 구별된 선형 범함수($\tilde{\omega}_{[0,1]}$, $\tilde{b}_0$, $\tilde{b}_1$)를 사용하는 희소 완화(sparse relaxation)를 제안한다.
   • 열역학적 극한(무한 시스템)의 경우, 초기 상태와 해밀토니안에 대한 이동 불변성(TI)을 강제하도록 방법이 조정된다. 1차원 사슬에 대한 특정 계층이 구축되며, 저자들은 이 계층의 극한이 열역학적 극한에서의 유효한 물리적 해에 대응함을 증명한다.

주요 기여

• DNPO의 공식화: 본 논문은 DNPO 문제를 공식적으로 정의하여, 비가환 최적화와 양자 역학의 미분 방정식 사이의 간극을 메운다.
• 완전한 완화: 유계 연산자를 갖는 모든 DNPO는 NPO로 완화될 수 있음을 보여줌으로써, 표준 NPO SDP 계층을 적용할 수 있다는 구성적 증명을 제공한다.
• 수렴 증명: 아르키메데스 조건 하에서 SDP 계층이 DNPO의 정확한 해로 수렴함을 입증한다.
• 확장 가능한 알고리즘: 대규모 유한 시스템 및 무한 열역학적 극한에도 적용 가능하도록 희소 및 이동 불변 변형 계층을 도입한다.

결과 및 수치 테스트
저자들은 다음의 수치 예제를 통해 방법을 검증한다:

1. 학술적 예제: 단순한 비가환 최적화 문제를 DNPO로 재구성하였다. SDP 계층은 $k=3$ 단계에서 정확한 해($e^{-1/4}$)를 회복한다.
2. 양자 보간/외삽: 이 방법은 이산적인 시간 $\tau_k$에서의 측정이 주어졌을 때 측정되지 않은 시간 $\tau$에서의 관측량 값을 추정하는 데 적용된다. 계층은 샘플 지점에서 정확해지며 그 사이의 궤적을 정확하게 경계 짓는 타이트한 상한과 하한을 제공한다.
3. 퀜치 스핀 시스템(Quenched Spin Systems):
   • 유한 시스템: 이 방법은 생성 상태(product state)로부터 시작하는 1차원 스핀 사슬(Heisenberg Hamiltonian)의 국소 관측량의 시간 진화(quench)를 모델링한다. $n=18$개의 스핀 시스템에 대해, 레벨-2 완화는 $\tau=1$에서 차이가 $0.0012$에 불과한 상한과 하한을 제공한다.
   • 열역학적 극한: 이 방법은 이동 불변 초기 상태를 가진 무한 1차원 사슬에 적용된다. 낮은 계층 수준(예: $k_\sigma=2, k_t=2$)과 작은 시스템 윈도우($n=7$)를 사용하더라도 $\tau \approx 0.7$까지는 상한과 하한이 구별되지 않는다. 계층 수준을 높이면 더 긴 시간에 대한 예측력이 크게 향상된다.

의의 및 주장
본 논문은 이 연구가 응축물질 시스템의 시간 진화된 국소 관측량을 특징짓기 위한 다루기 쉬운 완전한 완화 계층을 제공한다고 주장하며, 이는 유한 및 무한(열역학적) 시스템 모두에 적용 가능하다.

• 이 작업은 이전에는 일반적인 알고리즘이 존재하지 않았던 양자 시계열의 외삽 및 보간 문제를 해결한다.
• 2-축소 밀도 행렬 이론(2-RDMT) 도구 상자를 **퀜치 역학(quench dynamics)**까지 확장하여, 시간 진화 중인 바닥 상태, 깁스 상태 및 린드블라드(Lindbladian)의 정상 상태를 모델링할 수 있게 한다.
• 저자들은 낮은 수준의 계층만으로도 상당히 긴 진화 시간 동안 매우 정확한 근사치를 얻을 수 있음을 강조한다. 이는 텐서 네트워크 상태(tensor network states)가 실패하기 쉬운 2D 퀜치 모델을 연구하는 데 있어 이 방법이 유효한 대안이 될 수 있음을 시사한다.
• 이 접근 방식은 적절한 이동 연산자와 단항식 집합을 정의함으로써 더 높은 국소 차원(예: 큐디트) 및 더 높은 공간 차원(예: 2D 격자)으로 일반화되어 확장될 수 있다.