How an Equi-ensemble Description Systematically Outperforms the Weighted-ensemble Variational Quantum Eigensolver

기술 요약: 들뜬 상태를 위한 Equi-ensemble vs. Weighted-ensemble VQE

문제 정의
화학에서 들뜬 상태의 특성을 계산하는 것은 광유기 분자 거동을 이해하는 데 필수적이지만, 계산 비용과 정확도 사이의 균형을 맞추는 것은 여전히 큰 과제로 남아 있다. 변분 양자 고유값 솔버(VQE)는 유망한 양자 접근법을 제공하지만, 앙상블 방법을 통해 다체 들뜬 상태로 일반화된 변분 원리를 적용할 때 상태 가중치(state weights)의 선택과 관련된 복잡성이 발생한다. 구체적으로, Weighted-Ensemble (WE) VQE 방식은 $K$개의 최저 고유 상태를 타겟팅하기 위해 $K$개의 상태에 내림차순 가중치($w_j \geq w_{j+1}$)를 할당하는 방식에 의존한다. 그러나 이 방식은 가중치를 올바르게 할당하기 위해 타겟 상태들의 에너지 순서에 대한 사전 지식을 필요로 한다. 만약 초기 추측값(및 그와 관련된 가중치)이 최종 에너지 순서와 일치하지 않으면, 최적화 지형(optimization landscape)이 문제가 되어 종종 수렴 실패나 신뢰할 수 없는 결과를 초래한다. 본 논문은 모든 가중치가 동일한($w_j = w_{j+1}$) Equi-Ensemble (EE) 접근법이 사후 처리(post-processing) 없이 직접적인 개별 고유 에너지를 산출하지 못함에도 불구하고, 더 견고한 대안이 될 수 있는지 조사한다.

방법론
저자들은 앙상블 에너지 $E^w_C(\theta)$에 대한 일반화된 변분 원리를 사용하여 두 가지 앙상블 VQE 전략을 비교한다:

1. Weighted-Ensemble (WE): 최적화 과정 중 특정 상태의 순서를 강제하기 위해 내림차순 가중치($w_j > w_{j+1}$)를 사용한다.
2. Equi-Ensemble (EE): 동일한 가중치($w_j = 1/K$)를 사용한다. 이 한계에서 비용 함수는 $K$개의 상태가 이루는 부분 공간(subspace)에 대한 해밀토니안의 트레이스(trace)를 최소화한다. 결과적인 상태들은 진정한 고유 상태들의 상호 회전된 버전(준-디아바틱, quasi-diabatic)이지만, 올바른 고유 부분 공간을 점유한다. 개별 고유 에너지는 최적화된 상태들의 기저(basis)에서 해밀토니안 행렬을 대각화하는 등의 고전적 사후 처리를 통해 회복할 수 있다.

본 연구는 두 가지 뚜로 다른 문제에 대해 이 방법들을 평가한다:

• 다체 시스템 (Many-Body System): 원추형 교차점(conical intersection) 근처에서 강한 진동 결합(vibronic coupling)을 보이는 포름알데히드(포름디민) 분자. 시스템은 SA-CASSCF(4,3) 수준으로 모델링되었다. 저자들은 실제 에너지 순서와 일치하거나 일치하지 않는 초기 가중치 순서에 대해 1-GUCCSD 및 2-GUCCSD 안사츠(ansatz)를 테스트한다.
• 일체 시스템 (One-Body System): 16개의 수소 원자($H_{16}$)로 이루어진 선형 사슬에 대한 양자 밀도 범함수 이론(Q-DFT)에서 유도된 8개 상태 문제. 이는 16개의 공간 궤도를 4개의 큐비트로 매핑한다. 연구에는 하드웨어 효율적인 RyCNOT 안사츠가 사용되었으며, 최적 가중치와 등가 가중치(equi-weights)를 비교한다.

주요 결과

• WE-VQE에서의 초기 추측 민감도: 포르말데히드 사례에서, WE-VQE의 성능은 초기 가중치 순서에 크게 의존한다. 가중치 순서가 실제 에너지 순서와 일치할 때는 수렴이 이루어진다. 그러나 순서가 잘못된 경우(실제 응용 분야에서 흔히 발생하는 시나리오), WE-VQE는 올려진 개별 고유 상태로 수렴하는 데 자주 실패하며, 비용 함수에서 큰 오차($10^{-2}$ Hartree)를 발생시킨다. 트레이스(부분 공간 에너지)는 정확하게 유지될 수 있지만, 개별 상태는 부정확하거나 국소 최솟값(local minima)에 갇히게 된다.
• EE-VQE의 견고성: EE-VQE는 초기 상태 순서와 관계없이 일관되게 올바른 고유 부분 공간으로 수렴한다. 포르말데히드 시스템의 경우, EE-VQE는 WE-VQE가 순서를 바로잡기 위해 훨씬 더 많은 반복 횟수(최대 1400회)와 더 복잡한 안사츠(2-GUCCSD)를 요구하는 것과 대조적으로, 더 적은 반복 횟수(약 300–500회)로 높은 정확도($10^{-9}$ Hartree)를 달면한다.
• Q-DFT 성능: $H_{16}$ 체인에서 WE-VQE는 비민주적 오류(non-democratic errors)를 보이며, 가장 높은 에너지 상태(가장 낮은 가중치와 연관된)가 전체 오류를 지배한다($>10^{-1}$ Hartree). 반면, 고전적 사후 처리 대각화를 결합한 EE-VQE는 짧은 결합 거리에서 오류를 두 자릿수 감소시키며, 모든 상태에 대해 민주적인 오류 분포를 유지한다.
• 수렴 역학: WE-VQE는 올바른 부분 공간을 갖지만 잘못된 상태 순서를 가진 국소 최솟값에 자주 갇힌다. 이러한 최솟값을 탈출하여 올바른 개별 순서를 찾으려면 옵티마이저가 일시적으로 부분 공간의 품질을 악화시켜야 하며, 이는 느리고 불안정한 수렴으로 이어진다. EE-VQE는 부분 공간을 직접 최적화함으로써 이를 피한다.

의의 및 주장
본 논문은 양자 컴퓨터에서 들뜬 상태의 특성을 추출하는 데 있어 Equi-Ensemble 접근법이 Weighted-Ensemble 접근법보다 우월하다고 결론짓는다. 저자들은 순서가 정해진 가중치를 강제함으로써 발생하는 추가적인 복잡성과 수렴 실패의 위험이 해롭다고 주장한다.

주요 주장은 다음과 같다:

1. 신뢰성: EE-VQE는 에너지 순서에 대한 사전 지식 없이도 체계적으로 올바른 고유 부분 공간을 제공하는 반면, WE-VQE는 초기 추측이 불완전할 경우 실패하기 쉽다.
2. 효율성: EE-VQE는 WE-VQE보다 더 적은 계산 오버헤드(더 적은 반복 횟수 및 더 단순한 안사츠)로 더 빠르게 수렴한다.
3. 사후 처리 실행 가능성: EE-VQE가 개별 고유 에너지를 직접 산출하지는 않지만, 필요한 사후 처리(고전적 대각화 또는 회전)는 양자 회로 실행에 비해 계산적 오버헤드가 무시할 수 있는 수준이다. 이 오버헤드는 얻어진 견고성과 정확도에 의해 정당화된다.
4. 적용 가능성: EE 접근법은 상태 순서를 예측하기 어렵거나 부분 공간 에너지만 필요한 경우(예: Q-DFT와 같은 대규모 앙상블, 회피 교차, 원추형 교차 시스템) 특히 유리하다.

저자들은 신뢰할 수 있고 효율적인 타겟 들뜬 상태 부분 공간으로의 수렴을 보장하기 위해, 연구자들이 가중치가 정해진 앙상블 설명 대신 사후 처리를 결합한 등가 앙상블(equi-ensemble) 설명을 선호해야 한다고 단언한다.