Optimised Fermion-Qubit Encodings for Quantum Simulation with Reduced Transpiled Circuit Depth

본 논문은 보조 큐비트 없이 또는 근본적인 트리 구조를 변경하지 않고 물 분자 시뮬레이션에 대해 파울리 가중치와 변환된 회로 깊이를 약 26.5% 감소시키는 결정론적 최적화 방법을 삼원 트리 페르미온-큐비트 인코딩에 도입한다.

핵심

복잡한 화학 반응, 예를 들어 물 분자의 상호작용을 양자 컴퓨터로 시뮬레이션한다고 상상해 보세요. 이를 수행하려면 화학의 규칙 (이는 '페르미온'이라는 일종의 아원자 입자를 포함함) 을 양자 컴퓨터의 언어 (이는 '큐비트'를 사용함) 로 번역해야 합니다.

이 번역 과정은 인코딩이라고 불립니다. 이를 이삿짐 트럭 (양자 컴퓨터) 에 크고 불편한 가구를 (화학 문제) 실어 넣으려 노력하는 것과 같다고 생각하세요.

문제: 이삿짐 트럭이 너무 작고 둔하다

현재 이 번역을 수행하는 가장 일반적인 방법은 표준적이고 경직된 포장 방식 ( 조던-위그너 인코딩이라고 함) 을 사용하는 것과 같습니다. 이는 작동하지만 종종 비효율적입니다.

• 문제점: 가구를 이렇게 포장하면 많은 빈 공간이 생기거나, 올바른 위치로 옮기기 위해 같은 물건을 여러 번 앞뒤로 이동시켜야 합니다. 양자 컴퓨팅 용어로 말하면, 이는 컴퓨터가 문제를 해결하기 위해 너무 많은 '게이트' (연산) 를 수행해야 함을 의미합니다.
• 결과: 현재 양자 컴퓨터는 작고 오류에 취약하기 때문에, 이러한 불필요한 추가 단계로 인해 시뮬레이션이 너무 느리거나 오류가 너무 많아 실용적이지 않게 됩니다. 이는 주차 브레이크를 건 채로 무거운 트럭을 운전하려는 것과 같습니다.

해결책: 더 똑똑한 포장 전략

이 논문의 저자들은 가구를 포장하는 새로운, 더 똑똑한 방법을 개발했습니다. 그들은 이 방법을 TOPP-HATT라고 부릅니다.

간단한 비유를 사용하여 작동 방식을 설명하면 다음과 같습니다:

1. 트리 구조: 양자 컴퓨터의 연결을 가족 나무로 상상해 보세요. 일부 인코딩은 가구를 특정하고 경직된 나무 모양으로 강제합니다. 저자들은 "나무의 구조를 변경하는 것은 너무 어렵고 컴퓨터의 레이아웃을 손상시킬 수 있으므로, 그 나무 모양을 그대로 유지합시다"라고 말합니다.
2. 셔플링: 나무를 변경하는 대신, 단순히 가지에 붙은 레이블을 셔플링합니다. 가방 세트 (화학 부분) 와 선반 세트 (양자 비트) 가 있다고 상상해 보세요. 기존 방법은 가방 A 를 선반 1 에, 가방 B 를 선반 2 에, 그다음에 그다음 순서대로 놓습니다.
3. 최적화: 새로운 방법은 특정 화학 문제를 살펴보고 "만약 가방 A 를 선반 3 에, 가방 B 를 선반 1 에 놓는다면, 컴퓨터가 앞뒤로 이동하는 횟수가 줄어들까요?"라고 묻습니다. 그들은 근본적인 트리 구조를 변경하지 않고 레이블의 최상의 배열을 찾기 위해 결정론적 (단계별, 보장된) 알고리즘을 사용합니다.

결과: 더 빠르고 매끄러운 주행

이 논문은 물 분자 (표준 테스트 사례) 에 대해 이 방법을 테스트하고 이전 포장 방식과 비교했습니다.

• 전후 비교: 그들은 양자 컴퓨터가 이동해야 하는 경로의 길이를 의미하는 '회로 깊이'를 측정했습니다.
• 개선 사항: 새로운 셔플링 방법을 사용함으로써 이동 경로의 길이를 평균적으로 약 25% 줄였습니다.
  • 최적화되지 않은 회로의 경우 감소폭은 **24.7%**였습니다.
  • 특정 하드웨어에 대해 이미 최적화된 회로의 경우 감소폭은 **26.5%**였습니다.

이것이 중요한 이유 (논문에 따르면)

저자들은 이 방법이 결정론적임을 강조합니다. 새로운 배열이 더 나은지 확인하기 위해 '시행착오' (새로운 배열이 더 나은지 보기 위해 동전을 던지는 것) 를 사용한 이전 방법들과는 달리, 이 방법은 매번 좋은 결과를 보장하기 위해 엄격한 규칙 세트를 따릅니다.

또한 이 방법은 양자 칩의 물리적 레이아웃에 맞춰 설계된 인코딩 (예: '본사이' 알고리즘) 과 잘 작동한다고 지적합니다. 이는 '가구'가 연결된 '선반'에 머물도록 하여 컴퓨터가 물건을 옮기는 데 시간을 낭비하지 않도록 보장합니다.

요약하자면: 이 논문은 화학 문제를 양자 컴퓨터에 매핑하는 방식을 재배열하는 새로운 신뢰할 수 있는 방법을 제시합니다. 연결 자체를 재구성하는 대신 기존 연결에 붙은 레이블을 단순히 셔플링함으로써, 시뮬레이션을 실행하는 데 필요한 시간과 노력을 크게 단축하여 오늘날 우리가 가진 제한된 양자 컴퓨터를 최대한 활용할 수 있게 합니다.

기술 요약

"감소된 회로 깊이를 위한 양자 시뮬레이션의 최적화된 페르미온-큐비트 인코딩" 논문에 대한 상세한 기술적 요약은 다음과 같습니다.

1. 문제 제기

게이트 기반 양자 컴퓨터에서 페르미온 시스템 (예: 분자) 을 시뮬레이션하려면 페르미온 연산자를 큐비트 연산자로 매핑해야 하며, 이 과정을 페르미온 - 큐비트 인코딩이라고 합니다. 인코딩의 선택은 양자 시뮬레이션의 효율성에 다음과 같은 측면에서 큰 영향을 미칩니다.

• 회로 깊이 (Circuit Depth): 필요한 양자 게이트의 수.
• 파울리 가중치 (Pauli-weight): 문자열 내의 항등원이 아닌 파울리 연산자의 수로, 게이트 오류 및 측정 오버헤드와 상관관계가 있습니다.
• 장치 연결성 (Device Connectivity): 양자 프로세서 (QPU) 상의 물리적 큐비트 배치.

기존 접근 방식은 다음과 같은 트레이드오프에 직면해 있습니다.

1. 해밀토니안 최적화 인코딩: 특정 해밀토니안을 기반으로 인코딩을 구성하여 계수를 최소화하지만, 종종 QPU 와 호환되지 않는 트리 구조를 초래하여 비인접 큐비트 간 정보 이동을 위해 비용이 많이 드는 SWAP 게이트가 필요합니다.
2. 장치 최적화 인코딩: QPU 연결성 그래프 (예: Bonsai 알고리즘 사용) 를 기반으로 인코딩을 구성하지만, 해밀토니안의 특정 구조를 활용하지 못해 비최적의 게이트 수를 초래합니다.
3. 확률적 최적화: 이러한 목표를 결합하려는 이전 시도들은 시뮬레이션 어닐링과 같은 확률적 방법을 사용했는데, 이는 전역 최소값을 찾을 것이라는 보장이 없으며 초기 조건에 민감합니다.

핵심 과제: 기본 그래프 토폴로지를 변경하거나 보조 큐비트 (ancillary qubits) 를 요구하지 않고, 고정된 트리 구조 (특히 3 진 트리) 내에서 페르미온 모드를 큐비트로 매핑하여 회로 깊이와 파울리 가중치를 줄일 수 있는 결정론적 (deterministic) 방법이 필요합니다.

2. 방법론: TOPP-HATT

저자들은 미리 정의된 3 진 트리 (TT) 구조 내에서 마요라나 연산자의 열거를 최적화하는 결정론적 알고리즘인 TOPP-HATT(Topology-Preserving Hamiltonian Adaptive Ternary Tree) 를 제안합니다.

핵심 개념

• 마요라나 - 문자열 인코딩 (Majorana-String Encodings): 페르미온 연산자를 마요라나 연산자 ($\gamma$) 로 분해한 후 파울리 문자열로 매핑합니다.
• 3 진 트리 (Ternary Trees, TTs): 노드가 큐비트를 나타내고 간선이 파울리 연산자 ($X, Y, Z$) 를 나타내는 그래프 구조입니다. 잎 (leaves) 은 마요라나 연산자를 나타냅니다.
• 최적화 목표: **파울리 가중치 ($W_P$)**와 **계수 스케일링 파울리 가중치 ($W_{CP}$)**를 최소화하는 것입니다. 이는 qDRIFT와 같은 확률적 알고리즘에 매우 중요합니다.

알고리즘 (TOPP-HATT)

이 방법은 트리의 위상과 진공 상태 속성을 보존하면서 페르미온 모드를 잎에 반복적으로 할당합니다.

1. 설정: 페르미온 모드 인덱스가 큐비트 인덱스와 일치하는 "순수 (naive)" 트리를 구성합니다.
2. 제한 조건: 유효성을 보장하기 위해 알고리즘은 다음을 강제합니다.
   • 연산자 독립성: 파울리 문자열이 반가환 관계를 만족하도록 보장합니다.
   • 트리 구조 보존: 노드와 그 자식 노드는 고정되며, 잎 할당만 변경됩니다.
   • 진공 보존: 페르미온 진공 상태가 큐비트 $|0\rangle^{\otimes N}$ 상태로 매핑되도록 보장합니다. 이는 잎을 엄격하게 짝지어 (예: 잎이 $\gamma_{2k}$로 할당되면 짝은 $\gamma_{2k+1}$이어야 함) 달성됩니다.
3. 반복 루프:
   • 알고리즘은 "활성 노드"(루트에서 가장 먼 거리에 있으며 할당되지 않은 자식이 없는 노드) 를 식별합니다.
   • 각 활성 노드에 대해 해당 간선에 대한 모든 가능한 유효한 잎 할당의 **카르테시안 곱 (Cartesian product)**을 계산합니다.
   • 각 조합에 대해 결과 해밀토니안 항의 파울리 가중치를 평가합니다.
   • 가중치를 최소화하는 할당을 선택하고 트리를 업데이트한 후 해밀토니안을 축소합니다 (인덱스가 동일해지는 항을 단순화).
4. 출력: 특정 해밀토니안에 대한 비용 함수를 최소화하면서 원래 트리 위상을 유지하는 마요라나 연산자의 재순서화된 열거.

3. 주요 기여

• 결정론적 최적화: 이전의 확률적 방법과 달리 TOPP-HATT 는 지역 최소값에 갇힐 위험 없이 일관되고 재현 가능한 결과를 보장합니다.
• 위상 보존: 이 방법은 고정된 트리 구조 내에서 최적화를 수행합니다. 이는 하드웨어 제약을 위반하지 않고도 특정 장치 연결성 그래프 (예: 헤비 - 헥스 격자) 에서 파생된 인코딩에 적용할 수 있게 합니다.
• 광범위한 적용성: 이 방법은 표준 인코딩 (Jordan-Wigner, Bravyi-Kitaev, Parity, JKMN) 과 해밀토니안 적응형 인코딩 (Huffman, HATT) 모두에서 작동합니다.
• 보조 큐비트 또는 오버헤드 없음: 이 최적화는 추가 큐비트나 SWAP 게이트를 추가하지 않고 회로 깊이와 파울리 가중치를 줄입니다.

4. 결과

이 방법은 STO-3G 기저 (14 개 모드) 의 물 분자 ($H_2O$) 와 STO-3G 및 6-31G 기저의 다양한 다른 분자에서 테스트되었습니다.

• 파울리 가중치 감소:
  • 표준 인코딩의 경우, TOPP-HATT 는 순진한 열거 및 시뮬레이션 어닐링에 비해 평균 파울리 가중치와 계수 스케일링 파울리 가중치를 일관되게 감소시켰습니다.
  • 이 방법은 선형 인코딩 (Jordan-Wigner, Parity) 에 가장 효과적이었으며, 이진 (Bravyi-Kitaev) 및 3 진 (JKMN) 트리에서도 개선을 보였습니다.
• qDRIFT 회로 깊이:
  • 저자들은 TOPP-HATT 를 qDRIFT 알고리즘 (확률적 시간 진화 방법) 에 대한 전처리 단계로 적용했습니다.
  • 트랜스파일되지 않은 회로: 회로 깊이의 평균 감소폭은 **24.7%**였습니다.
  • 트랜스파일된 회로: 20 큐비트 IQM Garnet 장치 위상에 맞게 컴파일한 후 평균 감소폭은 **26.5%**였습니다.
  • Jordan-Wigner 인코딩의 경우 특정 개선폭은 비트랜스파일 시 약 20%, 트랜스파일 시 약 19% 였습니다.
• 계산 비용:
  • 알고리즘은 계산적으로 효율적입니다. 실행 시간은 해밀토니안 항의 수인 $|H_\gamma|$에 대해 약 $|H_\gamma|^{1.47}$로 스케일링됩니다.
  • 내부 루프는 매우 병렬화 가능합니다.

5. 의의

이 연구는 페르미온 시뮬레이션에 필요한 높은 회로 깊이라는 근미래 양자 시뮬레이션의 중요한 병목 현상을 해결합니다. 결정론적이고 비용이 낮으며 위상을 보존하는 최적화 방법을 제공함으로써 TOPP-HATT 는 다음과 같은 것을 가능하게 합니다.

• 공동 설계 (Co-design): 해밀토니안 특정 최적화와 하드웨어 제약 사이의 간극을 메워, 연구자들이 시뮬레이션 정확도나 효율성을 희생하지 않고도 장치 네이티브 인코딩을 사용할 수 있게 합니다.
• 오류 감소: 낮은 파울리 가중치는 직접적으로 게이트 수를 줄여 게이트 오류 및 판독 오류의 누적을 감소시키며, 이는 잡음이 있는 중규모 양자 (NISQ) 장치에 매우 중요합니다.
• 확장성: 이 방법의 유리한 스케일링과 결정론적 성격은 양자 하드웨어가 발전함에 따라 더 큰 분자 시스템을 전처리하는 데 적합합니다.

요약하자면, TOPP-HATT 는 페르미온 시스템을 큐비트로 매핑하는 방식을 최적화하여 양자 화학 시뮬레이션을 위해 실질적이고 즉각적인 개선을 제공하며, 결과적으로 훨씬 더 얕고 견고한 양자 회로를 만들어냅니다.