GCAMPS: A Scalable Classical Simulator for Qudit Systems

기술 요약: GCAMPS: 큐디트(Qudit) 시스템을 위한 확장 가능한 고전 시뮬레이터

문제 정의
양자 시스템의 고전적 시뮬레이션은 시스템 크기에 따라 계산량이 급격히 증가하는 계산 불가능한 문제이다. 기존 방식들은 뚜렷한 한계에 직면해 있다: 상태 벡터(state vector) 및 밀도 행렬(density matrix) 시뮬레이션은 큐디트 수에 따라 지수적으로 스케일링하며($O(d^n)$), 텐서 네트워크 방식(예: 행렬 곱 상태, MPS)은 얽힘(entanglement)에 따라 스케일링하고, 스테빌라이저(stabilizer) 방식은 "매직(magic)"(비-클리포드 연산)에 따라 스케일링한다. 비록 하이브리드 접근 방식인 클리포드 증강 행렬 곱 상태(CAMPS)가 큐비트 시스템($d=2$)을 효율적으로 시뮬레이션하기 위해 스테빌라이저와 텐서 네트워크 기술을 성공적으로 결합해 왔으나, 이러한 방법들은 고차원 양자 시스템(큐디트, $d>2$)으로 확장되지 못했다. 더욱이, 스테빌라이저 시뮬레이터를 큐디트로 확장하는 것은 쉽지 않은데, 이는 범용 확장 스테빌라이저 시뮬레이터가 실제 상태의 복잡도와 관계없이 비-클리포드 연산의 수에 따라 일반적으로 지수적으로 스케일링하기 때문이다.

방법론
저자들은 GCAMPS(Generalised Clifford Augmented Matrix Product State)를 소개한다. 이는 임의의 양자 자유도($d$)를 지원하도록 CAMPS 방법을 일반화한 하이브리드 고전 시뮬레이션 프레임워크이다. 이 방법은 양자 상태를 $|\psi\rangle = C|\text{MPS}\rangle$로 표현하며, 여기서 $C$는 스테빌라이저 타블로(tableau)로 효율적으로 표현되는 클리포드 연산이고, $|\text{MPS}\rangle$는 이상적으로 곱 상태(product state)에 가깝게 유지되는 행렬 곱 상태이다.

시뮬레이션 워크플로우는 세 가지 구성 요소로 이루어진다:

1. 큐디트 스테빌라이저 형식론: 저자들은 $d$-레벨 시스템을 위한 일반화된 파울리 군(Pauli group)과 클리포드 군을 정의한다. 이들은 일반화된 클리포드 게이트(포함된 $H_d$, $S_d$, 그리고 얽힘을 생성하는 $SUM_d$ 게이트)에 따른 스테빌라이저 타블로의 업데이트 규칙을 확립한다. 타블로 항목은 정수 모듈로 $d$이며, 위상(phase)은 $\omega = \exp(2\pi i/d)$에 의해 생성되는 곱셈 군의 원소로서 추적된다.
2. 연산 분해 및 가환성(Commutation): 비-클리포드 게이트(예: $T$ 게이트)가 적용될 때, 이는 파울리 문자열(Pauli strings)의 합으로 분해된다. 이 문자열들은 스테빌라이저 타블로를 사용하여 클리포드 연산 $C$를 통과하여 가환(commute)된다. 이 과정은 국소적인 비-클리포드 연산을 MPS에 직접 작용하는 잠재적 비-국소 연산으로 변환한다.
3. 얽힘 감소(Disentanglers): MPS의 본 차원(bond dimension)이 폭발하는 것을 방지하기 위해, 프레임워크는 비-클리포드 연산 이후 MPS의 얽힘을 줄이는 특정 클리포드 연산($Q$)인 "디스엔탱글러(disentangler)"에 대한 휴리스틱 탐색을 채택한다. 클리포드 $C$는 $\tilde{C} = CQ^\dagger$로 업데이트된다. 낮은 차원($d=2, 3$)의 경우, 저자들은 최적의 디스엔탱글러를 찾기 위해 고유한 이-큐디트 얽힘 클리포드에 대한 전수 조사(exhaustive search)를 수행한다.

주요 기여

• 큐디트로의 일반화: 본 논문은 임의의 양자 자유도, 특히 큐트리트($d=3$)로의 확장을 입증함으로써, CAMPS 하이브리드 시뮬레이션 방법을 확장하기 위한 첫 번째 집중적인 노력을 제공한다.
• 큐디트 스테빌라이저 구현: 저자들은 일반화된 파울리 연산자의 정의, $\mathbb{Z}_d$ 상의 스테빌라이저 타블로 구조, 그리고 일반화된 클리포드 게이트에 대한 구체적인 업데이트 규칙을 포함한 큐디트 스테빌라이저 시뮬레이션의 수학적 프레임워크를 상세히 설명한다.
• 디스엔탱글러 탐색: 저자들은 GCAMPS 프레임워크 내에서 MPS 본 차원을 최적화할 수 있도록, 고유한 이-큐디트 클리포드 타블로를 생성하고 정규화(canonicalize)하는 절차를 기술한다.

결과
저자들은 큐비트($d=2$)와 큐트리트($d=3$) 모두에 대해 무작위 $T$-도핑된 클리포드 회로를 사용하여 GCAMPS를 기존 MPS 시뮬레이션과 벤치마킹하였다.

• 본 차원 스케일링: 큐트리트 시스템에 대해, GCAMPS는 회로 깊이의 상당 부분 동안 일정한 본 차원 영역을 유지하며, 이는 시스템 크기에 따른 선형 메모리 스케일링을 보여준다. 이러한 동작은 큐비트 시뮬레이션에서 관찰된 스케일링과 유사하다.
• 성능 향상: $T$ 게이트의 수가 큐디트의 수보다 적은 영역에서, GCAMPS는 기존 MPS와 비교하여 실행 시간과 메모리 사용량 모두에서 상당한 개선을 보여준다.
• 큐트리트 대 큐비트 효율성: 주목할 점은, GCAMPS의 기존 MPS 대비 성능 이득이 큐비트보다 큐트리트에서 더 크다는 것이다. 이는 기존 MPS 시뮬레이션이 큐트리트에 대해 훨씬 더 큰 행렬($3^{N/2}$ 대 $2^{N/2}$)을 분해해야 하며 본 차원이 훨씬 빠르게 포화되기 때문이다. 반면, GCAMPS는 유효 본 차원을 낮게 유지하므로(큐트리트의 경우 약 3, 큐비트의 경우 약 2), 더 큰 상대적 가속을 얻는다.
• 한계점: 디스엔탱글러를 위한 전수 조사는 $d$에 따라 지수적으로 스케일링되므로, 현재 이 특정 탐색 방법의 실질적인 적용은 낮은 양자 자유도($d \leq 3$)로 제한된다.

의의
본 논문은 GCAMPS가 양자 하드웨어에 대한 접근 없이도 이전에는 다루기 힘들었던 고차원 상태 공간을 가진 양자 문제를 클래식하게 시뮬레이션할 수 있게 한다고 주장한다. 하이브리드 스테빌라이저-텐서 네트워크 방식을 큐디트로 성공적으로 일반화함으로써, 이 연구는 스핀-1 시스템(예: 이선형-이중선형 스핀 체인) 및 스핀-1/2를 넘어선 위상 상전이를 포함한 복잡한 다체 물리(many-body physics) 연구의 길을 열어준다. 결과는 하이브리드 스테빌라이저-텐서 네트워크 방식이 "매직" 함량이 적당한 고차원 양자 시스템을 시뮬레이션하는 데 있어 매우 유망하고 효율적인 경로임을 시사한다.