Variational Thermal State Preparation on Digital Quantum Processors Assisted by Matrix Product States

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 양자 깁스 (Gibbs) 상태 또는 열 상태 (finite-temperature thermal states) 의 준비는 양자 시뮬레이션, 양자 볼츠만 머신을 통한 머신러닝, 열적 샘플링을 통한 최적화 등 다양한 양자 기술의 핵심 요소입니다.
• 문제점:
  • 일반적인 양자 다체계의 바닥 상태 준비는 QMA-hard 문제로 알려져 있으며, 저온의 깁스 상태 준비도 마찬가지로 계산적으로 매우 까다롭습니다.
  • 기존의 변분 양자 알고리즘 (VQA) 은 잡음이 많은 중규모 양자 (NISQ) 장치에 적합하지만, **헬름홀츠 자유 에너지 (Helmholtz free energy)**를 평가하는 과정에서 **폰 노이만 엔트로피 (von Neumann entropy)**를 계산해야 하는 것이 주요 병목 현상입니다.
  • 엔트로피를 정확히 추정하려면 상태 단층 촬영 (tomography) 이나 확률적 재구성이 필요하여 자원 소모가 크고 비효율적입니다.
  • 기존 접근법 (열장 이중 (TFD) 상태 정제 등) 은 회로 깊이가 깊어지거나 측정 오버헤드가 커서 확장성이 제한적입니다.

2. 제안된 방법론 (Methodology)

저자들은 **행렬 곱 상태 (Matrix Product States, MPS)**를 활용한 변분 프레임워크를 제안하여 고전적 계산을 통해 엔트로피를 효율적으로 평가하고 양자 하드웨어에서 열 상태를 준비하는 하이브리드 방식을 개발했습니다.

• 핵심 아이디어:

  • MPS 보조 변분 알고리즘: 파라미터화된 양자 회로가 준비하는 '정제된 (purified)' 순수 상태 $|\psi(\theta)\rangle$를 고전적으로 MPS 로 근사합니다.
  • 엔트로피 계산: MPS 표현을 통해 보조 큐비트 (ancilla qubits) 를 트레이스 아웃 (trace out) 하면 혼합 상태 $\rho$가 얻어지며, 이 상태의 폰 노이만 엔트로피를 MPS 의 슈미트 계수 (Schmidt coefficients) 를 통해 고전적으로 정밀하게 계산할 수 있습니다.
  • 자유 에너지 최소화: $F(\rho) = E(\rho) - \beta^{-1}S(\rho)$를 최소화하는 파라미터 $\theta$를 고전적 최적화기를 사용하여 찾습니다.
  • 양자 하드웨어 실행: 최적화된 파라미터를 실제 양자 장치에 적용하여 근사 깁스 상태를 준비하고, 관심 있는 관측량을 측정합니다.

• 안사츠 (Ansatz) 비교 및 선택:

  • TFDA (Thermofield Double Ansatz): Hamiltonian 구조를 기반으로 하며 고온에서 잘 작동하지만, 저온에서는 깊은 회로가 필요하고 장거리 얽힘 게이트가 요구되어 NISQ 장치에 비효율적입니다.
  • HEA (Hardware-Efficient Ansatz): NISQ 장치의 연결성에 맞춰 설계된 국소 게이트 구조를 가집니다. 저온 영역에서 얽힘이 적은 열 상태를 효과적으로 표현할 수 있어 본 연구에서 HEA 를 선택하여 확장성 있는 시뮬레이션과 하드웨어 실험에 사용했습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 대규모 수치 시뮬레이션 결과

• 시스템 규모: 1 차원 (1D) 격자 모델 최대 30 사이트, 2 차원 (2D) 격자 모델 최대 $6 \times 6$ 사이트 (최대 44 큐비트) 까지 확장 가능한 시뮬레이션을 수행했습니다.
• 관측량 정확도: 에너지 밀도, 자기 감수성 (susceptibility), 비열 (specific heat), 2 점 상관 함수 등을 정밀하게 평가했습니다.
  • 에너지: 저온 ($\beta$가 큰 영역) 에서 정확한 결과를 보였으며, 안사츠 깊이 ($L$) 와 보조 큐비트 수 ($N_a$) 가 증가할수록 정확도가 향상되었습니다.
  • 감수성 및 비열: 1D 시스템의 경우 중간 온도 영역 ($\beta \approx 1$) 에서 장거리 상관관계를 포착하는 데 어려움을 겪어 감수성 추정이 에너지 추정보다 정확도가 낮았습니다. 비열은 연산자의 가중치 (weight) 가 높아 (4-국소 연산자) 추정 오차가 더 컸습니다.
  • 2D 시스템: 2D TFIM 모델에서 QMC (Quantum Monte Carlo) 결과와 비교하여 좋은 일치를 보였으며, 특히 1D 에 비해 더 넓은 온도 범위에서 안정적인 성능을 보였습니다.

B. 양자 하드웨어 실험 (IBM Heron Processor)

• 실험 설정: 156 큐비트 IBM Heron 프로세서 (ibm_kingston) 를 사용하여 30 사이트 1D 횡장 이징 모델 (Transverse-Field Ising Model) 의 깁스 상태를 준비했습니다.
• 오류 완화 (Error Mitigation):
  • 잡음 없는 시뮬레이션 대비 하드웨어 결과의 오차를 줄이기 위해 **제로 노이즈 외삽법 (ZNE, Zero-Noise Extrapolation)**을 적용했습니다.
  • 게이트 폴딩 (gate folding) 을 통해 노이즈 레벨을 조절하고 ($\lambda = 1, 2, \dots, 5$), 결과를 0 노이즈 한계로 외삽했습니다.
• 성과:
  • 오류 완화 기술을 적용한 결과, 에너지와 감수성 측정의 상대 오차가 오차 완화 전 대비 50% 이상 감소했습니다.
  • 에너지의 평균 상대 오차는 약 5.6%, 감수성은 약 19.1% 로 줄어든 것을 확인했습니다.

4. 연구의 의의 및 결론 (Significance & Conclusion)

• 확장성 증명: MPS 기반의 고전적 엔트로피 계산과 변분 양자 알고리즘의 결합을 통해, 기존에 보고된 것보다 훨씬 큰 시스템 (30 큐비트 이상) 의 열 상태를 효율적으로 준비하고 시뮬레이션할 수 있음을 입증했습니다.
• 안사츠의 효율성: 물리적으로 유도된 TFDA 대신, 하드웨어 친화적인 HEA 가 저온 영역에서 더 우수한 성능을 보이며 NISQ 장치에 적합함을 확인했습니다.
• 실용적 타당성: 실제 양자 하드웨어에서 오류 완화 기법 (ZNE) 과 결합하여 의미 있는 열적 관측량을 추출할 수 있음을 보여주었습니다.
• 한계 및 향후 과제:
  • 중간 온도 영역 ($\beta \sim 1/\Delta$) 에서의 성능 저하는 여전히 과제입니다. 이 영역에서는 복잡한 혼합 상태가 필요하여 안사츠의 표현력 (expressibility) 이 부족할 수 있습니다.
  • 더 깊은 회로는 MPS 시뮬레이션의 결합 차원 (bond dimension) 을 기하급수적으로 증가시켜 고전적 시뮬레이션의 한계에 부딪힐 수 있습니다.
  • 향후 문제 지향적 (problem-informed) 안사츠나 텐서 네트워크 구조를 기반으로 한 회로 설계, 그리고 더 정교한 최적화 전략이 필요함을 강조했습니다.

요약하자면, 이 논문은 MPS 를 활용한 변분 프레임워크를 통해 NISQ 시대의 양자 컴퓨터에서 대규모 양자 다체계의 열 상태를 준비하는 새로운 패러다임을 제시하며, 고전적 계산과 양자 하드웨어의 시너지를 통해 열 상태 시뮬레이션의 정확도와 확장성을 크게 향상시켰습니다.