Variational Quantum Eigensolver: A Comparative Analysis of Classical and Quantum Optimizer Methods

기술 요약: 변분 양자 고유치 계산기(Variational Quantum Eigensolver): 고전 및 양자 최적화 방법의 비교 분석

문제 정의
변분 양자 알고리즘(VQA), 특히 변분 양자 고유치 계산기(VQE)는 양자 시스템의 바닥 상태 에너지를 찾는 것과 같은 문제를 해결하기 위해 노이즈가 있는 중간 규모 양자(NISQ) 장치를 활용하는 가장 유망한 접근 방식이다. 그러나 VQA의 성능은 변수 파라미터를 업데이트하는 데 사용되는 최적화 서브루틴의 효율성과 안정성에 의해 크게 제약받는다. 최적화 지형은 종종 바렌 플래토(barren plateaus), 노이즈 민감도, 그리고 기울기 추정에 수반되는 높은 계산 비용과 같은 문제로 인해 어려움을 겪는다. COBYLA와 같은 고전적 최적화 도구 및 미분 불필요(derivative-free) 방법들은 견고하지만, 기울기 기반 방법의 수렴 속도가 부족할 수 있다. 반대로, 양자 정보 기반 최적화 도구(예: 양자 자연 기울기(QN)를 활용하는 방법)는 기하학적 이점을 제공하지만, 피보나치-스터디 메트릭(Fubini-Study metric, 양자 피셔 정보 행렬)을 추정하기 위한 과도한 계산 비용을 초래하는 경우가 많다. 본 논문은 Transverse Ising Model(TIM)에 대해 VQE 최적화의 계산 효율성, 수렴 속도, 그리고 안정성 사이의 균형을 맞출 필요성을 다룬다.

방법론
본 연구는 VQE 프레임워크 내에서 다양한 최적화 전략을 평가하고 비교하기 위한 테스트베드로 1D Transverse Ising Model(TIM)을 채택한다. 방법론은 세 가지 주요 구성 요소로 이루어진다:

1. 안사츠(Ansatz) 구축: 저자들은 TIM 해밀토니안의 대칭성을 기반으로 매개변수화된 양자 회로(PQC)를 구성한다. 구체적으로, 실수 표현(real representation)과 $Z_2$ 스핀 플립 대칭성을 활용하여 파라미터 공간을 축소한다. 두 가지 하드웨어 효율적 안사츠가 테스트된다:

   • RealAmplitudes: TIM 바닥 상태의 실수 성질을 존중하며, $R_y$ 회전 게이트와 선형 얽힘을 사용한다.
   • EfficientSU2: 복소수 값의 힐베르트 공간 표현을 허용하도록 $R_x, R_y, R_z$ 게이트와 완전한 얽힘 체계를 사용한다.
     연구는 이러한 구조가 서로 다른 최적화 도구와 어떻게 상호작용하는지 조사한다.

2. 최적화 도구 분류 및 조합: 저자들은 최적화 도구를 고전 및 양자 연산으로 분류하고, 서로 다른 기울기 추정 방법과 서로 다른 메트릭(Hessian/FIM) 근사법을 결합하여 비교 그리드를 생성한다:

   • 기울기 추정:
     • Parameter-Shift Rule (PSR): 정확한 해석적 기울기를 제공한다.
     • Finite Difference (FD): 고전적인 수치 근사법이다.
     • Simultaneous Perturbation Stochastic Approximation (SPSA): 반복당 단 두 번의 함수 평가만을 요구하는 확률적 방법이다.
   • 메트릭 근사 ($g(\theta)$):
     • Identity (Constant): 표준 기울기 하강법이다.
     • QN-BDA (Block Diagonal Approximation): 회로 레이어에서 유도된 블록 대각 구조를 사용하여 피보치-스터디 메트릭을 근사한다.
     • QN-SPSA: 2-SPSA 방식을 사용하여 메트릭을 확률적으로 근사하며, 반복당 4개의 양자 평가만을 요구한다.

3. 제안된 하이브리드 방법 (QN-SPSA+PSR): 새로운 조합적 체계인 QN-SPSA+PSR이 도입된다. 이는 메트릭을 추정하기 위해 QN-SPSA 프레임워크(확률적 메트릭 추정 사용)를 사용하면서, 비용 함수의 기울기는 Parameter-Shift Rule(PSR)을 사용하여 정확하게 계산하는 방식이다. 이는 QN-SPSA의 계산 효율성과 PSR의 정밀도를 통합하는 것을 목표로 한다.

주요 기여

• QN-SPSA+PSR 개발: 본 논문은 QN-SPSA의 확률적 기울기 추정을 정확한 PSR로 대체하는 새로운 최적화 알고리즘을 제안한다. 이 하이브리드 접근 방식은 확률적으로 추정된 메트릭에 의한 업데이트를 안정화하는 동시에 낮은 계산 오버헤드를 유지하는 것을 목표로 한다.
• 포괄적 비교 분석: 연구는 다양한 기울기 및 메트릭 방법을 변화시키는 $3 \times 3$ 그리드와 COBYLA와 같은 고전적 베이스라인을 함께 포함하는 체계적인 평가를 제공한다.
• 대칭성 기반 안사츠 설계: TIM의 물리적 대칭성(실수 표현 및 스핀 플립 대칭성)을 활용함으로써, 훈련 가능한 파라미터 수와 회로 깊이를 줄이는 효율적인 안사츠(RealAmplitudes)를 선택하는 과정을 입증한다.
• 자원 대비 정확도 트레이드오프 정량화: 저자들은 다양한 방법들에 대해 계산 비용(양자 회로 평가 횟수 기준) 대 최종 상대 오차를 정량화하여, NISQ 애플리케이션을 위한 실질적인 가이드를 제공한다.

결과
수치 시뮬레이션은 12-큐비트 TIM 시스템과 2-레이어 RealAmplitudes 안사츠를 대상으로 수행되었다. 주요 결과는 다음과 같다:

• QN-SPSA+PSR의 성능: 제안된 방법은 QN-SPSA+SPSA보다 파라미터 업데이트당 더 빠른 수렴을 보였으며, 더 많은 계산 비용이 드는 QN-BDA+PSR과 대등한 최종 정확도를 달성했다. 또한 순수 확률적 방법들보다 더 높은 안정성을 보였다.
• 안사츠 효율성: 선형 얽힘을 가진 RealAmplitudes 안사츠가 EfficientSU2 안사츠보다 수렴 속도와 일관성 측면에서 우수한 성능을 보여, TIM 문제에 대한 안사츠를 문제의 대칭성에 맞게 조정하는 접근 방식의 타당성을 검증했다.
• 고전 베이스라인 (COBYLA): 미분 불필요 최적화 도구인 COBYLA는 반복당 단 한 번의 양자 평가만을 요구하는 놀라운 효율성을 보여주었다. COBYLA는 이 특정 벤치마크에서 고급 양자 정보 기반 방법들과 대등한 상대 오차를 달성하며 근거리 장치들을 위한 생존 가능성을 입증했다.
• 확장성: QN-BDA+PSR은 이론적으로 가장 좋은 수렴을 제공하지만, 그 비용은 레이어 및 파라미터 수에 따라 증가한다. 반면 QN-SPSA+PSR은 메트릭을 위한 고정된 수의 확률적 평가와 레이어 수에 비례하는 낮은 비용 프로필을 유지하면서도 경쟁력 있는 결과를 제공했다.
• 시스템 크기 및 자기장 강도: QN-SPSA+PSR 방법은 다양한 시스템 크기(6~12 큐비트)와 외부 자기장 강도에 대해 일관되게 신뢰할 수 있는 바닥 상태 에너지 추정치를 전달하였으며, 정확한 결과와 밀접하게 일치했다.

의의 및 주장
본 논문은 QN-SPSA+PSR 방법이 NISQ 장치에서 VQA의 최적화 서브루틴을 개선하기 위한 실질적인 경로를 제공한다고 주장한다. QN-SPSA의 낮은 메트릭 추정 비용과 PSR의 정밀도를 결합함으로써, 이 방법은 안정성, 수렴 속도, 그리고 계산 자원 소비 사이의 균형을 달s성한다. 저자들은 이 접근 방식이 계산 오버헤드가 제한 요소인 VQA 및 양자 머신러닝(QML) 작업에 특히 유익할 것이라고 제안한다.

본 연구는 제시된 결과가 TIM 모델에 대해서는 유망하지만, 더 복적인 문제 구조와 더 강한 양자 상관관계에 따라 성능이 달라질 수 있음을 조심스럽게 결론짓는다. 본 연구는 기초적인 비교 연구로서, 양자 정보 기반 메트릭 업데이트가 특정 최적화 조합에 대해 안정성을 향상할 수 있음을 시사하며, 더 크고 복잡한 시스템에 대한 추가 조사를 촉발한다. 본 논문은 모든 고전적 방법보다 우월하다고 주장하는 것이 아니라, 양자 정보 기반 최적화 도구가 수렴 방향과 안정성 측면에서 뚜렷한 이점을 제공하는 특정 조건들을 강조한다.