Quantum speed-up for solving the one-dimensional Hubbard model using quantum annealing

본 논문은 40 개까지의 큐비트를 가진 반채움 시스템의 바닥 상태를 찾는 데 있어 게이트 기반 양자 어닐링 시뮬레이션이 고전적 베트-안자츠 알고리즘보다 1 차원 허바드 모델에서 상당한 양자 속도 향상을 달성함을 보여줍니다.

핵심

거대한 안개 낀 산맥에서 절대적인 최저점을 찾으려 한다고 상상해 보세요. 이 "최저점"은 물질을 통과하는 전자(전기를 운반하는 미세한 입자) 시스템의 가장 안정적이고 고요한 상태를 나타냅니다. 물리학에서 이 특정 산맥은 **허바드 모델 (Hubbard Model)**이라고 불립니다. 수십 년 동안 과학자들은 복잡한 수학을 사용하여 이 산맥을 지도화해 왔지만, 산맥이 커질수록 (전자가 더 많아질수록) 수학이 너무 무거워져 세계 최고의 슈퍼컴퓨터조차 엄청난 시간을 들이지 않고는 바닥을 찾기 어렵습니다.

이 논문은 단순한 질문을 던집니다: 양자 컴퓨터가 이 최저점을 기존 수학보다 빠르게 찾을 수 있을까요?

여기서 저자들이 어떻게 접근했는지 일상적인 비유를 통해 설명해 보겠습니다:

1. 문제: "베트 - 안사츠 (Bethe-Ansatz)" 산

이 전자 문제의 1 차원 버전 (단일 줄의 전자) 에 대해서는 과학자들이 이미 **베트 - 안사츠 방정식 (Bethe-ansatz equations)**이라는 지도를 가지고 있습니다.

• 기존 방식: 이는 복잡한 매듭으로 잠긴 조각들이 있는 거대한 퍼즐을 맞추려 하는 것과 같습니다. 해결할 수는 있지만, 퍼즐이 커질수록 매듭을 풀 시간이 매우 빠르게 늘어납니다. 논문은 에너지는 상대적으로 빠르게 계산할 수 있지만, 실제로 모든 단일 전자의 특정 배열 (즉, "바닥 상태") 을 파악하려면 지수적으로 많은 세부 사항을 계산해야 한다고 지적합니다. 이는 조수가 가장 낮은 정확한 지점을 찾기 위해 해변의 모든 모래 알갱이를 세어 보려는 것과 같습니다.

2. 해결책: 양자 어닐링 (Quantum Annealing, "얼음 녹이기" 방법)

조각 하나하나씩 퍼즐을 푸는 대신, 저자들은 **양자 어닐링 (Quantum Annealing)**이라는 기법을 사용했습니다.

• 비유: 얼음 덩어리 안에 숨겨진 물체가 얼어붙어 있다고 상상해 보세요. 물체를 깨뜨리지 않고 꺼내고 싶다면 다음과 같이 진행합니다.
  • 1 단계: 물체를 찾기 쉬운 단순하고 평평한 얼음 덩어리 ("초기 해밀토니안") 로 시작합니다.
  • 2 단계: 얼음을 천천히 녹여 모양을 서서히 바꾸어 관심 있는 복잡하고 날카로운 산맥 ("허바드 해밀토니안") 과 정확히 같아지도록 합니다.
  • 규칙: 얼음을 충분히 천천히 녹인다면, 안의 물체는 모양이 변함에 따라 자연스럽게 가장 낮은 지점으로 미끄러져 내려갑니다. 시스템의 "양자"적 성질이 작은 장벽을 통과할 수 있게 해주기 때문에 높은 봉우리에 갇히지 않습니다.

3. 실험: 녹는 과정 시뮬레이션

실험실에는 거대한 양자 컴퓨터가 없었기 때문에, 그들은 양자 컴퓨터가 어떻게 작동할지 시뮬레이션하기 위해 강력한 고전적 슈퍼컴퓨터를 사용했습니다.

• 그들은 녹는 과정을 모방하는 디지털 "회로" (일련의 지시 사항) 를 구축했습니다.
• 그들은 최대 **40 개 큐비트 (양자 비트)**를 가진 시스템에서 이를 테스트했습니다. 이를 이해하기 쉽게 말하면, 40 개 큐비트를 시뮬레이션하는 것은 작은 방 안의 모든 입자의 위치를 동시에 추적하려는 것과 같으며, 이는 일반 컴퓨터에게는 매우 어려운 작업입니다.
• 그들은 바닥을 찾는 데 얼마나 걸리는지 확인하기 위해 다양한 "녹는 속도" (어닐링 시간) 로 시뮬레이션을 실행했습니다.

4. 결과: 속도 향상

논문은 놀라운 결과를 발견했습니다:

• 기존 수학: 시스템이 커질수록 기존 방정식을 사용하여 바닥 상태를 찾는 데 필요한 시간은 폭발적으로 (지수적으로) 증가합니다. 이는 전자가 하나 추가될 때마다 산맥이 갑자기 두 배씩 높아지는 것과 같습니다.
• 양자 방식: 양자 어닐링 방법으로 바닥 상태를 찾는 데 필요한 시간은 선형적으로 (또는 그보다 더 느리게) 증가했습니다. 이는 시스템 크기를 두 배로 늘리면 정답을 찾는 데 필요한 시간도 두 배 (또는 약간 증가) 하면 된다는 것을 의미합니다.
• 판단: 반쯤 채워진 전자 줄의 특정 경우, 양자 방식은 상당한 속도 향상을 제공합니다. 이는 한 걸음마다 두 배씩 높아지는 산을 오르는 것과, 단순히 조금씩만 높아지는 언덕을 오르는 것의 차이입니다.

5. 왜 이것이 중요한가 (논문에 따르면)

저자들은 이것이 "토이 문제 (간단한 모델)"라고 강조하지만, 중요한 점을 입증합니다:

• 수학적으로 이미 "해결된" 시스템 (적분 가능 시스템) 일지라도, 양자 컴퓨터는 해결책을 찾는 방식에서 막대한 이점을 제공할 수 있습니다.
• 논문은 이 스케일링이 사실이라면, 양자 어닐링이 전자의 실제 상태를 찾는 데 있어 최상의 고전적 방법보다 지수적인 속도 향상으로 이러한 문제를 해결할 수 있음을 시사합니다.
• 또한 그들은 시스템이 갇히게 될 급격하고 위험한 절벽 (상전이) 이 없는 "산" (1 차원 허바드 모델) 을 오르기 때문에 이것이 작동한다고 지적합니다.

요약하자면:
이 논문은 시뮬레이션된 컴퓨터에서 양자 "녹이기" 기법 (어닐링) 을 사용하여 전자의 가장 안정된 상태를 전통적인 수학이 허용하는 것보다 훨씬 빠르게 찾을 수 있음을 보여줍니다. 이 특정 모델은 단순화된 전자 줄이지만, 현재 최고의 슈퍼컴퓨터로는 너무 느려서 해결하기 어려운 복잡한 재료 과학 문제들을 양자 컴퓨터가 결국 해결할 수 있다는 개념 증명 (proof-of-concept) 역할을 합니다.

기술 요약

기술 요약: 양자 어닐링을 이용한 1 차원 허바드 모델 해결을 위한 양자 가속

문제 제기
1 차원 허바드 모델은 응집물질물리학에서 상관 전자계를 이해하기 위한 근본적인 틀입니다. 이 모델은 '적분가능 (integrable)'하여, 베트-안사츠 (Bethe-ansatz) 방정식을 통해 열역학적 극한에서의 바닥상태에 대한 정확한 해석적 결과가 존재합니다. 그러나 개방 경계를 가진 유한 시스템에 대해 이러한 방정식을 푸는 것은 상당한 계산적 도전을 제기합니다. 구체적으로, 결합된 비선형 베트-안사츠 방정식을 풀어 바닥상태 에너지 를 찾는 것은 다항식 시간 내에 가능하지만, 완전한 바닥상태 파동함수 (계수) 를 결정하려면 지수적으로 많은 항을 계산해야 하므로 지수적인 계산 자원이 요구됩니다. 저자들은 양자 알고리즘, 특히 양자 어닐링이 유한하고 반차 (half-filled) 된 1 차원 허바드 시스템의 바닥상태를 찾는 데 있어 이러한 고전적 방법보다 가속도를 제공할 수 있는지 조사합니다.

방법론
저자들은 허바드 해밀토니안을 해결하기 위해 범용 양자 컴퓨터 시뮬레이터 (JUQCS) 에서 게이트 기반 양자 어닐링 시뮬레이션을 구현합니다. 방법론은 세 가지 주요 단계를 포함합니다:

1. 해밀토니안 매핑: 페르미온 허바드 해밀토니안은 조던-위그너 (Jordan-Wigner) 변환을 사용하여 큐비트 해밀토니안으로 매핑됩니다. 이는 페르미온 생성 및 소멸 연산자를 $2L$ 개의 큐비트 (여기서 $L$ 은 격자 사이트 수) 에 작용하는 파울리 행렬로 변환하여 반가환 관계를 보존합니다.
2. 초기 상태 준비: 어닐링 과정은 비상호작용 홉핑 해밀토니안 ($H_I$) 의 바닥상태로 시작합니다. 저자들은 주어진 수의 스핀 업 및 스핀 다운 전자에 대해 가장 낮은 에너지 운동량 상태를 채우는 것에 해당하는 초기 상태를 준비하기 위해 기븐스 회전 (Givens rotations) 기반 알고리즘을 활용합니다.
3. 어닐링 역학: 시스템은 $H(s) = (1-s)H_I + sH_H$인 시간 의존적 해밀토니안 하에서 진화하며, 여기서 $s$는 0 에서 1 로 변합니다. 시간 진화는 연속적인 진화를 이산적인 시간 단계로 분할하기 위해 수키-트로터 (Suzuki-Trotter) 분해 (구체적으로 2 차 근사) 를 사용하여 시뮬레이션됩니다. 각 단계의 유니터리 연산자는 범용 1 큐비트 및 2 큐비트 게이트 (하드마드, $R_Z$, $R_{ZZ}$, 그리고 $X$ 게이트) 로 분해됩니다.
4. 스케일링 분석: $L=20$(40 개 큐비트) 까지의 시스템 크기에 대해 시뮬레이션이 수행되었습니다. 성능 지표는 $\Delta E = \langle \psi(1) | H_H | \psi(1) \rangle - E_0$인 잔류 에너지이며, 여기서 $E_0$는 베트-안사츠를 통해 계산된 정확한 바닥상태 에너지입니다. 저자들은 특정 정밀도를 달성하기 위해 필요한 총 어닐링 시간 ($T_A$) 이 시스템 크기 ($L$) 에 따라 어떻게 스케일링되는지 분석합니다.

주요 기여 및 결과

• 게이트 기반 구현: 이 논문은 게이트 기반 양자 컴퓨터에서 허바드 모델에 대한 양자 어닐링 시뮬레이션을 위한 구체적인 구성을 제공하며, 회로 분해 및 자원 요구 사항 (게이트 수) 을 상세히 기술합니다.
• 어닐링 시간의 스케일링: 반차 시스템 ($2N_\downarrow = N = L$) 의 경우, 저자들은 선형 어닐링 스케줄에 대해 잔류 에너지가 $\Delta E \propto L^{1.234} / T_A^2$로 스케일링됨을 발견했습니다. 고정된 정밀도 $\Delta E^*$를 달성하기 위해 필요한 어닐링 시간은 특정 임계값 $L^*$ 미만의 시스템 크기에 대해 $T_A \propto L^{0.62}$로 스케일링됩니다.
• 강결합 영역: 강한 상호작용 세기 ($U/t_H = 8, 16$) 에 대한 시뮬레이션은 스케일링 영역의 시작이 온화하게 유지됨을 확인시켜 주며, 임의의 큰 $L$에 대해 어닐링 시간이 시스템 크기의 선형 함수 ($T_A \propto L^{0.995}$) 로 제한됨을 보여줍니다.
• 고전적 방법과의 비교: 저자들은 베트-안사츠 방정식에 대한 고전적 근사 알고리즘과 그들의 결과를 비교합니다. 베트-안사츠를 통해 에너지를 찾는 것은 다항식 ($T_{BA} \propto L^{3.3}$) 이지만, 완전한 바닥상태 계수를 얻는 것은 지수적으로 비용이 듭니다. 반면, 양자 어닐링 접근법은 시스템 크기에 대해 시간과 자원의 하선형에서 선형 스케일링으로 바닥상태를 산출합니다.

의의 및 주장
이 논문은 1 차원 허바드 모델의 바닥상태를 찾는 데 있어 양자 어닐링이 고전적 알고리즘보다 상당한 양자 가속을 제공한다고 주장합니다.

• 상태 준비를 위한 지수적 가속: 저자들은 바닥상태 계수를 결정하는 데 고전적 방법이 (에너지가 다항식적으로 발견되더라도) 지수적 자원을 필요로 하므로, 양자 어닐링 시간의 다항식 (구체적으로 하선형에서 선형) 스케일링은 바닥상태 준비의 맥락에서 지수적 양자 가속을 나타낸다고 논증합니다.
• 단열 양자 컴퓨팅의 검증: 이 결과는 적분 가능한 양자 다체 문제에 대한 단열 양자 컴퓨팅의 유용성을 지지합니다. 관찰된 다항식 스케일링은 0 이 아닌 상호작용 세기에서 1 차원 허바드 모델에 위상 전이가 부재하여 에너지 간격이 지수적으로 닫히는 것을 방지하기 때문으로 귀결됩니다.
• 미래 전망: 이 연구는 1 차원 적분가능 사례에 초점을 맞추고 있지만, 저자들은 이러한 결과가 2 차원 허바드 모델과 같은 비적분가능 시스템에 대한 추가 조사를 장려한다고 제안합니다. 그들은 고차원에서의 위상 전이가 간격 행동을 바꿀 수 있음을 지적하지만, 1 차원 사례에서 입증된 이점은 복잡한 다체 문제를 해결하기 위한 양자 어닐링의 잠재력을 강화한다고 강조합니다.

저자들은 즉각적인 실용적 적용에 대해서는 겸손한 태도를 유지하며, 수천 개의 게이트를 사용하는 현재 계산은 근미래 하드웨어 능력의 범위를 벗어났음을 인정하지만, 자원 스케일링은 향후 오류 정정 아키텍처에 대해 좋은 징조를 보인다고 언급합니다.