Quantum algorithm for one-quasiparticle excitations in the thermodynamic limit via cluster-additive block diagonalization

기술 요약: 클러스터 가법적 블록 대각화를 통한 열역학적 극한에서의 1-준입자 들뜸에 관한 양자 알고리즘

문제 정의
열역학적 극한 내의 양자 다체계에서 기본 들뜸(준입자)을 정확하게 계산하는 것은 여전히 중대한 과제로 남아 있다. 변분 양자 고유값 솔버(VQE)는 잡음이 있는 중간 규모 양자(NISQ) 장치에서 바닥 상태 특성을 파악하는 데 유망함을 보여주었으나, 들뜬 상태로 이 방법을 확장하는 것은 간단하지 않다. 특히, 들뜬 상태를 위한 유효 해밀토니안을 구축하려면 클러스터 가법성(cluster additivity)—즉, 서로 연결되지 않은 클러스터 상의 관측량이 인수분해되어, 수치적 연결 클러스터 전개(NLCE)를 통해 열역학적 극한으로 외삽할 때 수렴성을 보장하는 성질—이 필요하다. 표준 VQE 블록 대각화 유니터리는 (특히 퇴화된 부분 공간이나 패리티와 같은 대칭성이 깨진 경우) 클러스터 가법성을 자동으로 만족하지 않는다. 결과적으로, 들뜬 상태를 위한 클러스터 가법적 유효 해밀토니안을 생성할 수 있는 하이브리드 양자-고전 프레임워크가 결여되어 왔다.

방법론
저자들은 VQE를 NLCE와 통합하고, **투영 클러스터 가법적 변환(PCAT)**이라는 후처리 기술을 사용하는 하이브리나 양자-고전 알고리즘을 제안한다. 워크플로우는 다음 6단계로 진행된다:

1. 모델 정의: 갭이 있는 양자 격자 모델(예: 횡장 이징 모델, TFIM)을 정의한다.
2. 클러스터 분해: 격자를 직사각형 그래프 전개를 사용하여 위상적으로 구별되는 유한 연결 클로스터로 분해한다.
3. VQE 클러스터 풀링: 각 유한 클러스터에 대해, VQE를 사용하여 클러스터 해밀토니안을 블록 대각화하는 유니터리 변환($U_{VQE}$)을 찾는다. 이는 바닥 상태 및 1-준입자(1QP) 부분 공간을 더 높은 에너지 들뜸으로부터 분리한다. 저자들은 표현력을 보장하기 위해 문제 해밀토니안의 항들로 구성된 **해밀토니안 변분 안사츠(HVA)**를 활용한다. 두 가지 클래스의 비용 함수가 테스트된다:
   • 분산 기반(Variance-based): 1QP 부분 공간(및 선택적으로 바닥 상태)의 에너지 분산을 최소화한다.
   • 트레이스 기반(Trace-based): 결합된 바닥 상태 및 1QP 부분 공간에 대한 해밀토니안의 트레이스를 최소화한다.
4. PCAT 후처리: 원시 VQE 유니터리는 일반적으로 클러스터 가법적이지 않다. 저자들은 PCAT를 적용하여 교정된 유니터리($U_{PCAT}$)를 구축한다. PCAT는 비섭동 해밀토니안의 낮은 에너지 부분 공간에 대한 투영을 차감함으로써 VQE로 준비된 상태를 수정한다. 이는 결과 유효 해밀토니안이 NLCE 수렴에 필요한 클러스터 가법성 조건을 충족하도록 보장한다. 결정적으로, PCAT는 지수적인 상태 토모그래피를 피하면서 $O(N^2)$ 측정을 통해 얻을 수 있는 저에너지 고유 공간 정보(에너지 기대값 및 상태 중첩)만을 필요로 한다.
5. NLCE 임베딩: 포함-배제 원리를 사용하여 유효 1QP 해밀토니안의 감소된 기여도를 계산하고 이를 무한 격자에 임베딩한다.
6. 분산 계산: 열역학적 극한에서의 1QP 분산을 얻기 위해 푸리에 변환을 통해 유효 1QP 해밀토니안을 대각화한다.

주요 기여

• 알고리즘 프레임워크: 저자들은 NLCE를 통한 열역학적 극한 계산을 가능하게 하는, 들뜬 상태를 위한 클러스터 가법적 유효 해밀토니안을 구축할 수 있는 최초의 양자 알고리즘을 소개한다.
• PCAT 통합: PCAT가 VQE 출력에 성공적으로 적용될 수 있음을 입증한다. 이는 변분 최적화(저에너지 부분 공간을 찾는 과정)와 연결 클러스터 전개의 엄격한 요구 사항(특정한 인수분해 성질을 요구함) 사이의 간극을 메운다.
• 비용 함수 분석: HVA 프레임워크 내에서 분산 기반 및 트레이스 기반 비용 함수를 체계적으로 비교하고, 이들의 수렴 특성과 초기화 전략에 대한 민감도를 분석한다.
• 벤치마킹: 본 방법론을 정확한 대각화(ED) 및 TFIM의 알려진 해석적 해와 엄격하게 벤치마킹한다.

결과
본 방법은 1차원(1D), 2차원(2D), 그리고 종방향 자기장이 있는 경우(TFIM+LF)의 TFIM에 대해 테스트되었다:

• 순수 TFIM (1D 및 2D): 패리티 대칭성이 보존되는 순수 TFIM의 경우, 본 방법은 정확한 대각화와 매우 잘 일치하는 결과를 보인다. 저자들은 $N_{max}=16$까지의 클러스터 크기에 대해 결과를 정확한 해로 수렴시키기 위해 $\lceil N/2 \rceil$ 층의 HVA가 충분하다는 것을 발견했다. 분산 및 트레이스 비용 함수 모두 동일한 수렴성을 나타냈다.
• 종방향 자기장이 있는 TFIM (TFIM+LF): 이 경우 패리티 대칭성이 깨져 바닥 상태가 들뜸과 결합되며 모델이 비가적분(non-integrable) 상태가 된다. 여기서 PCAT는 필수적이다. PCAT 없이는, 2b(Schrieffer-Wolff 유형) 변환이 서로 연결되지 않은 클러스터 간의 물리적이지 않은 호핑(hopping)으로 인해 수렴하는 NLCE 결과를 생성하는 데 실패한다.
  • 레이어 깊이: $\lceil N/2 \rceil$ 층이 수렴하지만, $N$ 층을 사용하는 것이 중간 클러스터 크기에 대해 개선된 정확도를 제공한다.
  • 초기화 민감도: 연구는 최적화 랜드스케이프의 결정적인 차이를 밝혀냈다. 분산 기반 비용 함수는 바닥 상태 파라미터로 초기화될 경우, 특히 큰 클러스터($N \ge 10$)에서 지역 최솟값에 갇히기 쉽다. 반면, 트레이스 기반 비용 함수는 바닥 상태 초기화에 대해 견고함을 유지한다. 제로 근처(near-zero) 초기화는 분산 기반 접근 방식의 수렴 문제를 해결하지만, 더 많은 반복 횟수를 요구한다.
  • 수렴: 최적화의 어려움에도 불구하고, NLCE+VQE 접근 방식은 클러스터 크기가 증가함에 따라 NLCE+ED 결과로 성공적으로 수렴하며, 비가적분 및 대칭성이 깨진 시스템에 대한 방법론의 타당성을 입증한다.

의의 및 주장
저자들은 이 작업이 변분 양자 알고리즘을 열역학적 극한에서의 들뜬 상태 계산으로 확장하기 위한 견고한 프레임워크로서 PCAT를 확립한다고 주장한다. 그 의의는 다음과 같다:

1. 클러스터 가법성 장벽 극복: 본 논문은 VQE가 NLCE에 필요한 구조적 특성이 부족하다는 비판을 자주 받지만, PCAT 후처리를 통해 이를 호환 가능하게 만들 수 있음을 입증한다.
2. 알고리즘 불가지론(Agnosticism): VQE를 통해 시연되었으나, PCAT 후처리 단계는 오직 저에너지 고유 공간 정보(중첩 및 에너지)에만 의존한다. 저자들은 이것이 양자 위상 추정(QPE)이나 단열 상태 준비와 같은 미래의 결함 허용(fault-tolerant) 프로토콜을 포함한 모든 양자 고유 상태 준비 방법론에 적용 가능함을 명시한다.
3. 확장성: 클러스터 솔버로서 VQE를 사용함으로써, 정확한 대각화가 클래식하게 다루기 힘든 클러스터 크기에 접근하는 것을 목표로 하며, 이는 클래식 몬테카를로 방법이 부호 문제(sign problem)로 인해 실패하는 좌절된(frustrated) 시스템을 연구하는 경로를 제공할 수 있다.

본 논문은 비록 현재의 방법이 대칭성이 깨진 영역에서의 최적화 문제(신중한 초기화와 잠재적으로 더 깊은 회로를 요구함)에 의해 제한되기는 하지만, 근미래 및 미래의 양자 하드웨어를 사용하여 열역학적 극한에서의 들뜸 스펙트럼을 계산하기 위한 실행 가능하고 필수적인 경로를 제공한다고 결론짓는다.