Efficient implementation of single particle Hamiltonians in exponentially reduced qubit space

본 논문은 고체 상태 해밀토니안 시뮬레이션을 위한 로그-큐비트 인코딩과 호환 가능한 변분 프레임워크를 제안하며, 이는 필요한 양자 하드웨어 자원과 측정 오버헤드를 다항식 스케일링에서 다항로그 스케일링으로 획기적으로 감소시켜 근미래 장치에서 대규모 시스템의 효율적인 시뮬레이션을 가능하게 한다.

핵심

거대한 퍼즐을 풀려고 하는데, 조각을 넣을 상자가 아주 작다고 상상해 보세요. 이것이 현재 양자 컴퓨터를 사용하는 과학자들이 직면한 문제입니다. 그들은 실리콘 칩과 같은 고체 물질 속을 이동하는 전자의 움직임을 시뮬레이션하고 싶지만, 그 "퍼즐"(전자를 기술하는 수학) 이 너무 커서 수백만 개의 퍼즐 조각이 필요합니다. 현재의 양자 컴퓨터는 수십 개의 조각만 담을 수 있는 아주 작은 상자 같은 것입니다.

이 논문은 그림을 잃지 않으면서 그 퍼즐을 작은 상자에 맞출 수 있도록 줄이는 기발한 새로운 방법을 제시합니다.

다음은 일상적인 비유를 사용한 그들의 해결책에 대한 상세 설명입니다:

1. 문제: "도서관" 대 "주머니"

고체 물질을 N권의 서로 다른 책 (전자가 있을 수 있는 서로 다른 위치를 나타냄) 이 있는 거대한 도서관이라고 생각해 보세요.

• 옛 방식: 양자 컴퓨터에서 이를 시뮬레이션하려면 전통적으로 모든 책에 대한 정보를 담을 N개의 별도의 "슬롯"(큐비트) 이 필요했습니다. 도서관에 책이 1,000 권이면 1,000 개의 슬롯이 필요했고, 100 만 권이면 100 만 개의 슬롯이 필요했습니다. 현재의 양자 컴퓨터는 수십 개의 슬롯만 가지고 있기 때문에 큰 도서관을 처리할 수 없습니다.
• 새 방식: 저자들은 만약 하나의 특정 책 (하나의 전자) 만 움직이는 것을 찾고 있다면 모든 책에 대한 슬롯이 필요하지 않다는 것을 깨달았습니다. 단지 목록 번호만 있으면 됩니다.
  • 1,000 개의 슬롯 대신, 숫자 "1,000"을 이진 코드 (0 과 1) 로 작성하는 데 필요한 만큼의 슬롯만 있으면 됩니다.
  • 마법: 숫자 1,000 을 작성하려면 약 10자리만 필요합니다. 100 만을 작성하려면 20자리만 필요합니다.
  • 결과: 그들은 1,000 개의 슬롯이 필요했던 시스템을 10 개로 줄였습니다. 이는 "지수적 감소"입니다. 백과사전 전체를 한 개의 주머니에 넣는 것과 같습니다.

2. 전략: "그레이 코드" 지도

도서관을 작은 목록으로 줄인 후, 그들은 길을 잃지 않고 정보를 읽는 방법을 찾아야 했습니다.

• 도전 과제: 옛 시스템에서는 두 책 사이의 관계를 확인하는 것이 쉬웠습니다. 책들이 바로 옆에 있었기 때문입니다. 하지만 새롭고 작은 목록에서는 책 #1 과 책 #2 의 이진 코드 (예: 001 대 010) 가 매우 다르게 보일 수 있습니다.
• 해결책: 그들은 그레이 코드라는 특별한 지도를 사용했습니다. 미로를 통과하는 길을 상상해 보세요. 한 걸음을 뗄 때마다 위치의 하나의 요소만 변합니다.
  • 책 사이를 무작위로 뛰어다니는 대신, 그들은 한 책에서 다음 책으로 이동할 때 단일 스위치 (단일 비트) 만 토글되도록 목록을 배열했습니다.
  • 이를 통해 그들은 책들 사이의 "관계"를 효율적으로 측정할 수 있습니다. 모든 가능한 책 쌍을 확인해야 했던 것 (영원히 걸릴 것임) 대신, 이 특별한 경로를 따라 이웃만 확인하면 됩니다.

3. 측정: "스냅샷" 찍기

퍼즐을 풀려면 측정을 해야 합니다. 양자 세계에서 측정을 하는 것은 사진을 찍는 것과 같지만, 카메라는 매우 시끄럽고 선명한 그림을 얻으려면 수천 장의 사진을 찍어야 합니다.

• 옛 병목 현상: 이전에는 효율적인 방법을 사용하더라도 전체 시스템을 이해하려면 많은 다른 "각도"(측정 설정) 에서 사진을 찍어야 했습니다.
• 새로운 효율성: 그레이 코드 지도를 사용하여 그들은 전체 그림을 재구성하는 데 세 가지 유형의 사진(또는 목록의 자리 수처럼 매우 느리게 증가하는 숫자) 만 필요하다는 것을 증명했습니다.
  • 사진 1: 전자는 어디에 있나요? (진폭)
  • 사진 2 및 3: 전자가 이동할 때 그 "기분"(위상) 은 어떻게 관련되어 있나요?
  • 这意味着 그들은 컴퓨터가 충분한 사진을 찍을 때까지 몇 시간이나 며칠을 기다릴 필요가 없습니다. 훨씬 더 빠르게 수행할 수 있습니다.

4. "부피 효율성" 점수

저자들은 양자 컴퓨터에 대한 작업의 난이도를 평가하는 새로운 방법을 고안했습니다. 이를 **"부피 효율성"**이라고 부릅니다.

• 화물 컨테이너를 상상해 보세요.
  • 너비: 필요한 슬롯 (큐비트) 의 수.
  • 깊이: 실행해야 하는 명령어 레이어 (회로 깊이) 의 수.
  • 길이: 프로세스를 반복해야 하는 횟수 (측정).
• 옛 점수: 부피는 거대했습니다 ($N^2$). 트럭으로 산을 수송하려는 것과 같습니다.
• 새 점수: 부피는 아주 작습니다 ($(\log N)^3$). 배낭에 자갈을 실어 나르는 것과 같습니다.
• 영향: 100 만 개의 사이트를 가진 시스템의 경우, 옛 방법은 약 1 년의 컴퓨터 시간이 필요했을 것입니다. 하드웨어 효율적인 설정을 사용하는 새로운 방법은 이론적으로 몇 분의 1 초 안에 이를 수행할 수 있습니다.

요약

이 논문은 새로운 양자 컴퓨터를 구축했거나 실제 세계의 신약 개발 문제를 해결했다고 주장하지 않습니다. 대신, 이는 수학적 및 공학적 청사진을 제공합니다.

이는 문제를 "주소 지정"하는 방식을 변경함으로써 (항목당 하나의 슬롯 대신 이진 목록 사용) 그리고 데이터 경로를 조직화함으로써 (그레이 코드 사용), 오늘날 우리가 가진 작고 불완전한 양자 컴퓨터에서 거대한 고체 상태 시스템을 시뮬레이션할 수 있음을 보여줍니다. 이는 "슈퍼컴퓨터 크기"의 문제를 "주머니 크기"의 문제로 바꾸어 현재 사용 가능한 장치에서 이러한 시뮬레이션을 실행할 수 있게 합니다.

기술 요약

Plesch, Friák, Mohammad 의 논문 "Efficient implementation of single particle Hamiltonians in exponentially reduced qubit space"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

단기 양자 하드웨어에서 고체 상태 해밀토니안 (특히 단일 입자 또는 Tight-binding 모델) 을 시뮬레이션하는 작업은 세 가지 주요 병목 현상에 직면해 있습니다:

1. 큐비트 수: $N$개의 물리적 사이트를 전통적으로 매핑하는 방식은 $N$개의 큐비트가 필요하며, 이는 현재 장치의 용량을 초과합니다.
2. 회로 깊이: 이러한 시스템을 위한 표준 변분 안사츠 (ansatz) 는 종종 엔탱글링 게이트의 선형 체인을 포함하여, 깊이가 $O(N)$으로 스케일링되므로 노이즈 축적에 취약합니다.
3. 측정 오버헤드: 에너지 기대값을 추출하려면 일반적으로 많은 수의 비가환 관측량을 측정해야 합니다. 이전 연구는 $N$-큐비트 시스템에 대해 설정 수를 상수 개로 줄였지만, 큐비트 수 자체가 여전히 제한 요인으로 남아 있습니다.

저자들은 모델의 물리적 충실도를 유지하고 총 하드웨어 자원 비용 (공간, 시간, 샘플링) 을 최소화하면서 $N$개의 사이트를 오직 $\lceil \log_2 N \rceil$개의 큐비트만으로 시뮬레이션하는 것을 목표로 합니다.

2. 방법론

제안된 프레임워크는 로그arithmic 큐비트 인코딩, 상태 준비 (안사츠), 효율적인 측정 프로토콜이라는 세 가지 핵심 요소로 구성됩니다.

A. 로그arithmic 큐비트 인코딩

하나의 물리적 사이트를 하나의 큐비트에 매핑하는 방식 (1 대 1 매핑) 대신, 저자들은 $N$개의 사이트를 $n = \lceil \log_2 N \rceil$개의 큐비트 레지스터에 매핑합니다.

• 이진 인코딩: 각 사이트 인덱스 $k \in \{0, \dots, N-1\}$은 이진 문자열로 표현됩니다.
• 시프트된 인코딩: 표준 기저에서 $|00\dots0\rangle$ 상태 (여기서는 여기가 없음) 가 첫 번째 사이트와 혼동되지 않도록 하기 위해, 저자들은 시프트된 인코딩을 사용합니다: 사이트 $k$는 $k+1 \pmod{2^n}$의 이진 표현에 매핑됩니다.
• 2 의 거듭제곱이 아닌 경우 처리: $N < 2^n$일 때, 힐베르트 공간에는 "비물리적" 상태가 포함됩니다. 저자들은 두 가지 전략을 제안합니다:
  1. 확장된 해밀토니안: 비물리적 상태를 에너지적으로 억제하기 위해 페널티 항을 추가합니다 (황량한 평야 (barren plateaus) 의 위험).
  2. 제약된 안사츠 (선호됨): 비물리적 상태의 진폭이 0 으로 유지되도록 물리적 부분 공간 내에서 엄격하게 진화하는 회로를 설계합니다.

B. 상태 준비 (안사츠)

저자들은 원래의 단일 여기 부분 공간 (SES) 의 물리학을 모방하지만 압축된 레지스터에서 작동하는 이진 인코딩 SES 안사츠를 도입합니다.

• 메커니즘: 이 회로는 보조 큐비트 2 개와 데이터 레지스터를 사용합니다. 보조 큐비트에 "믹싱" 게이트 ($\hat{A}$) 를 반복적으로 적용하여 진폭 정보를 생성한 후, 제어 연산을 사용하여 데이터 레지스터에서 해당 기저 상태 $|i\rangle$를 조건부로 준비합니다.
• 복잡도:
  • 큐비트: $N$에서 $n \approx \log_2 N$으로 감소.
  • 회로 깊이: 구성에는 $N$개의 모듈이 포함됩니다. 각 모듈은 보조 큐비트의 플래그 해제 (unflagging) 를 위한 다중 제어 토폴리 게이트로 인해 $O(n)$개의 CNOT 게이트가 필요합니다. 총 깊이는 $O(N \log N)$으로 스케일링됩니다.
  • 참고: 저자들은 깊이가 $O(\log N)$으로 스케일링되는 "하드웨어 효율적" 변형도 논의하지만, 이는 일부 매개변수화 충실도를 희생할 수 있습니다.

C. 측정 전략 (그레이 코드 영감)

해밀토니안 기대값을 평가하기 위해 저자들은 이진 인코딩에 맞춰 이전 측정 프로토콜을 적응시켰습니다.

• 진폭 추출: $Z$-기저에서 단일 전역 측정을 수행하면 비트 문자열의 빈도에서 $|\alpha_k|^2$ 확률 분포를 직접 얻을 수 있습니다.
• 위상 추출:
  • 저자들은 기저 상태의 그레이 코드 순서를 활용합니다. 그레이 코드 시퀀스에서 인접한 상태는 정확히 하나의 비트 플립으로만 다릅니다.
  • 그들은 특정 코드워드 쌍을 교환하는 연산자 $O_X^{(j,k)}$와 $O_Y^{(j,k)}$를 정의합니다. 단일 비트로만 다른 쌍 (그레이 코드 이웃) 으로 측정을 제한함으로써 모호함 없이 특정 전이를 분리합니다.
  • 필요한 설정:
    • 진폭을 위한 $Z$-기저 1 개 설정.
    • 위상 차이의 코사인을 위한 $X$-기저 연산자 $n$개 설정.
    • 위상 차이의 사인을 위한 $Y$-기저 연산자 $n$개 설정.
  • 총 설정 수: $2n + 1 = O(\log N)$. 이는 일반적인 이진 인코딩에 필요한 $O(N)$개 설정보다 훨씬 큰 개선이지만, 원래 $N$-큐비트 SES 의 상수 3 개 설정보다는 약간 높습니다.

3. 주요 기여

1. 지수적 큐비트 감소: 단일 여기 부분 공간 구조를 보존하면서 $N$-사이트 Tight-binding 해밀토니안을 $\lceil \log_2 N \rceil$개의 큐비트에 매핑하는 방법을 입증했습니다.
2. 부피 효율성 지표: 양자 알고리즘 성능을 전체적으로 평가하기 위해 새로운 지표 $E = (\text{큐비트 수}) \times (\text{회로 깊이}) \times (\text{측정 설정 수})$를 도입했습니다.
3. 그레이 코드 측정 프로토콜: 압축된 인코딩과 관련된 측정 설정의 지수적 폭발을 피하면서 시스템 크기에 로그arithmic ($O(\log N)$) 으로 스케일링되는 이진 인코딩 시스템용 측정 전략을 개발했습니다.
4. 제약된 안사츠 설계: 에너지 페널티에 의존하지 않고 물리적 부분 공간 제약을 엄격하게 강제하는 회로 아키텍처를 제안하여, 최적화 풍경이 물리적 문제와 일관되도록 보장했습니다.

4. 결과 및 성능 분석

저자들은 **부피 지표 ($E$)**를 사용하여 이진 인코딩 SES 접근 방식을 $N$개의 큐비트를 사용하는 원래 SES 및 기타 변형과 비교합니다.

지표	원래 SES ($N$ 큐비트)	이진 인코딩 (하드웨어 효율적)	이진 인코딩 (일반/그레이 코드)
큐비트	$N$	$\log N$	$\log N$
깊이	$O(N)$	$O(\log N)$	$O(N \log N)$
측정	3	$O(\log N)$	$O(\log N)$
부피 비용 ($E$)	$O(N^2)$	$O((\log N)^3)$	$O(N (\log N)^3)$

주요 발견:

• 지수적 속도 향상: 하드웨어 효율적 안사츠의 경우, 총 자원 비용이 $O(N^2)$에서 $O((\log N)^3)$로 감소합니다.
• 확장성: $N = 10^6$개의 사이트를 가진 시스템의 경우:
  • 원래 접근 방식은 약 $10^6$개의 큐비트와 $O(N^2)$ 자원이 필요합니다.
  • 이진 인코딩 접근 방식은 단 20 개의 큐비트만 필요합니다.
  • 추정 실행 시간 감소는 막대합니다 (예: 하드웨어 효율적 변형의 경우 1 년에서 1 초의 일부로 감소하지만, 후자는 황량한 평야로 인해 실패 위험이 더 높습니다).
• 트레이드오프: "그레이 코드" 안사츠 (원래 물리학 모방) 는 더 높은 깊이 ($O(N \log N)$) 를 가지지만, 그 부피 비용 $O(N (\log N)^3)$은 큰 $N$에 대해 원래의 $O(N^2)$보다 여전히 훨씬 더 좋습니다.

5. 의의

이 연구는 양자 시뮬레이션의 이론적 약속과 단기 하드웨어 (NISQ) 의 실용적 제한 사이의 간극을 메웁니다.

• 실현 가능성: 밴드 구조 계산과 같은 대규모 구조화된 고체 상태 문제를 수천 개가 아닌 매우 적은 수의 큐비트 (예: 20~30 개) 를 가진 장치에서 시뮬레이션할 수 있음을 입증했습니다.
• 알고리즘적 효율성: 로그arithmic 인코딩과 특수 측정 프로토콜을 결합함으로써, 저자들은 "측정 오버헤드"가 큐비트 압축의 이점을 무효화하지 않는다는 것을 보여줍니다.
• 미래 전망: 이 프레임워크는 변분 양자 알고리즘을 위한 확장 가능한 경로를 제공합니다. 저자들은 관련 부분 공간이 전체 힐베르트 공간의 작은 비율로 남아 있는 한, 이 방법론을 다중 여기 섹터 (예: 두 전자 시스템) 로 확장할 수 있다고 제안합니다.

결론적으로, 이 논문은 큐비트 공간의 지수적 감소가 회로 깊이나 측정 설정에서 prohibitive 한 비용 없이 단일 입자 해밀토니안에 대해 달성 가능함을 입증하여, 변분 양자 알고리즘의 범위를 실용적으로 관련된 시스템 크기로 효과적으로 확장했습니다.