⚛️ quantum physics

Counterdiabatic ADAPT-VQE for molecular simulation

이 논문은 분자 바닥 상태 시뮬레이션의 성능을 향상시키고 회로 깊이를 줄이기 위해 역대각 구동(counterdiabatic driving)을 ADAPT-VQE 프레임워크에 통합한 하이브리드 역대각 ADAPT-VQE 방법을 제안한다.

원저자: Diego Tancara, Herbert Díaz-Moraga, Dardo Goyeneche

게시일 2026-07-09

📖 4 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Diego Tancara, Herbert Díaz-Moraga, Dardo Goyeneche

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

완벽한 케이크(분자의 바닥 상태)를 굽고 싶다고 상상해 보세요. 하지만 당신의 주방은 흔들리는 테이블과 비틀거리는 오븐(오늘날 우리가 가진 노이즈가 있는 양자 컴퓨터)으로 가득 차 있습니다. 케이크를 제대로 만들기 위해서는 레시피(알고리즘)가 필요한데, 이 레시피는 정밀하면서도 너무 오래 걸려서는 안 됩니다. 그렇지 않으면 케이크가 다 구워지기도 전에 타버릴 테니까요.

오랫동안 과학자들은 ADAPT-VQE라는 방법으로 최적의 레시피를 찾으려 노력해 왔습니다. 이것은 마치 케이크를 층층이 쌓아 올리는 것과 같습니다. 기본 반죽에서 시작하여 맛을 본 뒤, "다음으로 어떤 재료 하나를 추가해야 맛이 더 좋아질까?"라고 묻는 식입니다. 이 방법은 가장 도움이 되는 재료를 하나씩 계속 추가하여 완벽한 케이크를 만듭니다. 이 방식은 맛이 평평해져서 개선 여부를 알 수 없는 구간(바렌 플래토, barren plateau)에 빠지는 것을 방지해주기 때문에 매우 효과적입니다.

하지만 케이크를 굽는 또 다른 방법인 **카운터다이아베틱 드리빙(counterdiabatic driving)**도 있습니다. 이것은 마치 가파른 언덕을 아주 천천히 올라가며 경로를 이탈하지 않도록 주의하는 것(단열 경로, adiabatic path)과 같습니다. 너무 빨리 걸으면 경로에서 미끄러질 수 있습니다. 카운터다이아베틱 드리빙은 마치 마법 같은 가이드가 있어서, 당신이 경로에서 미끄러지려 할 때마다 부드럽게 밀어주어 경로를 유지하게 해주는 것과 같습니다. 덕분에 당신은 경로에서 떨어지지 않고 훨씬 더 빠르게 언덕을 올라갈 수 있습니다.

문제는 이 "마법 같은 가이드"가 보통 매우 길고 복잡한 지침 목록(깊은 회로)을 요구한다는 점입니다. 우리의 현재 흔들리는 오븐들은 이 정도의 복잡함을 감당할 수 없습니다. 만약 전체 가이드를 사용하려고 한다면, 레시피가 너무 길어져서 기계를 망가뜨리게 될 것입니다.

위대한 아이디어: 하이브리드 셰프
이 논문에서 저자들은 이 두 가지 아이디어를 영리하게 결합한 방법을 제안합니다. 그들은 이를 카운터다이아베틱 ADAPT-VQE(또는 CD-ADAPT)라고 부릅니다.

작동 방식은 다음과 같습니다:

가이드의 목록: 마법 같은 가이드의 방대한 전체 지침을 사용하는 대신, 가이드의 제안을 받아 이를 가능한 재료들의 "쇼핑 리스트"(연산자 풀, operator pool)로 변환합니다.
맛보기: 그다음 "층별로 쌓는" 맛보기 방식(ADAPT-VQE)을 사용하여 그 쇼핑 리스트 중에서 오직 가장 좋은 재료만을 골라냅니다.
결과: 당신은 마법 같은 가이드의 속도와 정확성을 얻으면서도, 거대하고 고장 난 레시피는 피할 수 있습니다. 실제로 도움이 되는 특정 재료만을 사용하여 굽게 되는 것입니다.

그들이 발견한 것 (시뮬레이션 결과)
저자들은 실제 양자 컴퓨터를 구축하여 테스트한 것이 아니라, 이 방법이 어떻게 작동할지 확인하기 위해 컴퓨터에서 상세한 시뮬레이션을 수행했습니다. 그들은 세 가지 "케이크"(분자)인 수소화 리튬(LiH), 불화 수소(HF), 수소화 베릴륨(BeH2)을 대상으로 테스트했습니다.

시뮬레이션 결과는 다음과 같습니다:

더 나은 맛 (정확도): 새로운 하이브리드 레시피를 사용했을 때, "맛"(에너지 계산)은 이론적인 완벽한 케이크와 믿기 힘들 정도로 가까웠습니다. HF 분자의 경우, 이 방법은 표준 ADAPT-VQE 방식에 비해 오차를 약 3자릿수(orders of magnitude) 줄였습니다. 즉, 기존 방식이 모래 한 알 정도의 오차가 있었다면, 새로운 방식은 먼지 한 점 수준의 오차를 보였다는 뜻입니다.
더 작은 레시피 (회로 깊이): 양자 컴퓨팅에서 레시피의 "크기"는 얼마나 많은 "CNOT 게이트"(특정 유형의 논리 스위치)가 필요한지로 측정됩니다.
- BeH2 분자의 경우, 이 방법은 표준 방식(419개)보다 적은 208개의 CNOT 게이트를 사용했습니다(첫 번째 근사 단계 기준).
- LiH 분자의 경우, 884개 대신 134개의 게이트를 사용했습니다.
- HF 분자의 경우, 993개 대신 156개의 게이트를 사용했습니다.
- 반면, "순수" 카운터다이아베틱 방식(스마트한 선택 과정이 없는 방식)은 처참했습니다. HF의 경우 수천 개의 게이트(예: 13,590개)가 필요했으며, 맛조차 제대로 내지 못했습니다.

그들이 배제한 것
이 논문은 이 문제들에 대해 단순히 표준 카운터다이아베틱 방법을 사용하는 것에 대해 명시적으로 반대합니다. 저자들은 전체 카운터다이아베틱 프로토콜(DCQO라고 불림)을 직접 실행하려고 시도하는 것은 너무 많은 게이트를 요구하여 현재의 기기로는 실용적이지 않으며, 단계 수를 적게 설정하더라도 정확도가 낮다(오차 약 10⁻² ~ 10⁻³)는 것을 발견했습니다. 또한, 스마트한 "맛보기" 선택 과정 없이 단순히 목록에 재료를 더 많이 추가하는 것은 레시피를 쓸모없을 정도로 길게 만든다는 점도 보여주었습니다.

얼마나 확신하는가?
저자들은 자신들의 시뮬레이션에 매우 자신감을 가지고 있습니다. 그들은 자신들의 결과가 두 패러다임을 결합하는 것의 "효과를 입증"하고 "개선을 보여준다"고 기술했습니다. 그들은 일부 사례에서 오차를 10⁻⁸ 원자 단위(au)까지 측정했는데, 이는 유용한 화학 연구에 필요한 "화학적 정확도"(보통 10⁻³ au)보다 훨씬 뛰어난 수치입니다.

하지만 저자들은 이것이 수치 시뮬레이션이라는 점을 주의 깊게 언급했습니다. 아직 이를 실제 물리적인 양자 컴퓨터에서 실행하지는 않았습니다. 그들은 이 접근 방식이 "NISQ"(노이즈가 있는 중간 규모 양자) 장치와 초기 결함 허용(fault-tolerant) 컴퓨터에 적합하다고 제안하지만, 현재의 증거는 실험실의 물리적 실험이 아닌 수학과 시뮬레이션에 기반하고 있습니다.

핵심 요약
가이드의 목록에서 가장 좋은 재료를 똑똑하게 골라내게 함으로써, 저자들은 더 적은 재료와 더 짧은 시간으로 더 나은 분자 케이크를 굽는 방법을 찾아냈습니다. 이 레시피는 우리가 주방을 망가뜨리지 않으면서도, 빠른 러너의 속도와 신중한 보행자의 안정성을 모두 가질 수 있는 방법을 제시합니다.

기술 요약: 분자 시뮬레이션을 위한 Counterdiabatic ADAPT-VQE

문제 정의
변분 양자 고유치 솔버(VQE)는 NISQ(Noisy Intermediate-Scale Quantum) 장치에서 분자 바닥 상태를 추정하기 위해 널리 사용되는 알고리즘이다. 그러나 단일 및 이중 들뜸(excitation)을 포함하는 UCCSD와 같은 표준 고정 안사츠(ansatz)는 종종 "바렌 플래토(barren plateau)" 문제, 즉 시스템 크기에 따라 비용 함수의 기울기 분산이 지수적으로 감소하여 학습을 방해하는 문제에 직면한다. ADAPT-VQE는 연산자 풀(operator pool)로부터 안사츠를 동적으로 구축함으로써 이를 완화하지만, 풀의 선택이 매우 중요하다. 페르미온 들뜸을 큐비트로 매핑한 표준 풀은 깊은 회로를 생성할 수 있다. 반대로, 디지털 카운터디아바틱 양자 최적화(DCQO)는 비단열 전이를 억제함으로써 표준 단열 진화보다 성능상의 이점을 제공하지만, 고차 근사된 아디아바틱 게이지 포텐셜(AGP)을 사용할 경우 항의 개수가 급격히 증가하여 깊은 회로를 요구하는 경우가 많다.

방법론
저자들은 ADAPT-VQE의 적응형 안사츠 구축과 카운터디아바틱 구동의 연산자 선택 원리를 결합한 CD-ADAPT라는 하이브리드 양자-고전 알고리즘을 제안한다. 방법론은 다음과 같이 진행된다:

해밀토니안 구성: 분자 해밀토니안( $\hat{H}_f$ )을 표준 변환(예: Jordan-Wigner)을 사용하여 큐비트 표현으로 매핑한다. 초기 해밀토니안( $\hat{H}_i$ )과 $\hat{H}_f$ 사이를 보간하여 단열 해밀토니안을 구성한다. 초기 해밀토니안은 로컬 Pauli-Z 연산자를 활용하여 그 바닥 상태가 하트리-포크(Hartree-Fock) 상태에 대응하도록 설계된다.
카운터디아바틱 구동 및 AGP: 단열 진화를 가속화하기 위해, 아디아바틱 게이지 포텐셜(AGP) $\hat{A}_\lambda$ 에 의해 제어되는 카운터디아바틱 항을 추가한다. 정확한 AGP는 계산적으로 다루기 어렵기 때문에, 저자들은 중첩 교환자(nested commutator)의 $l$ 차 근사를 사용한다:
$\hat{A}^{(l)}_\lambda = i \sum_{k=1}^l \alpha_k(t) \hat{O}_{2k-1}(t)$
여기서 $\hat{O}_k$ 는 단열 해밀토니안과 스케줄 함수에 대한 미분의 중첩 교환자를 포함한다.
연산자 풀 생성: 전체 시간 진화 연산자(time-evolution operator)를 직접 사용하는 대신(이는 회로 깊이를 고정시킴), 근사된 AGP로부터 생성자 항(Pauli strings)을 추출한다. 이 항들이 새로운 연산자 풀 $\{ \hat{G}_j \}$ 를 형성한다. 풀의 크기는 근사 차수 $l$ 에 따라 결정되며, $l \geq 2$ 인 경우 특정 중간 시간 $t'$ 에서의 시간 의존 계수를 평가함으로써 조절될 수 있다.
적응형 선택: CD-ADAPT 알고리즘은 하트리-포크 상태로 시작한다. 알고|즘은 카운터디아바틱 유도 풀 내 각 연산자에 대한 에너지 기울기를 반복적으로 계산한다. 기울기 크기가 최대인 연산자를 안사츠에 추가하고, 변분 파라미터를 업데이트하기 위해 VQE 최적화를 수행한다. 이 과정은 기울기 노름(norm)이 임계값 $\epsilon$ 아래로 떨어질 때까지 반복된다.

주요 기여

하이브리드 프레임워크: 카운터디아바틱 구동 항을 사용하여 ADAPT-VQE 알고리즘의 연산자 풀을 정의하는 새로운 방법을 도입했다. 이를 통해 (적응형 선택이 덜 중요한 항을 필터링하므로) 일반적인 DCQO에서 발생하는 지수적인 회로 깊이 증가 없이도 높은 차수의 AGP 근사( $l > 1$ )를 포함할 수 있다.
시간 의존적 풀 조절: $l=1$ 과 $l=2$ 사이의 중간 크기 연산자 풀을 생성하기 위해, 특정 시간 $t'$ 에서 AGP의 시간 의존 계수를 평가하는 기술을 제안했다. 이는 Pauli string을 추출하기 위해 텐서화된 파울리 분해(Tensorized Pauli Decomposition, TPD) 알고리즘을 사용하여 수행된다.
로컬 초기 해밀토니안: 하트리-포크 상태를 바닥 상태로 인코딩하는 Pauli-Z 연산자로 구성된 특정 로컬 초기 해밀토니안을 정의하여 단열 프로토콜을 용이하게 했다.

결과
알고리즘은 액티브 스페이스 변환을 적용한 10-큐비트 모델을 사용하여 세 가지 분자 시스템(LiH, HF, BeH $_2$ )에 대해 수치 시뮬레이션되었다.

정확도: CD-ADAPT는 표준 DCQO 및 페르미온 ADAPT-VQE보다 성능이 월등히 뛰어났다.
- DCQO(2 Trotter step 기준)와 비교했을 때, CD-ADAPT는 바닥 상태 에너지 오차를 약 3~5 자릿수(orders of magnitude) 줄였다.
- 페르미온 ADAPT-VQE와 비교했을 때, CD-ADAPT는 약 1~3 자릿수의 정확도 향상을 달anim했다.
- $l=2$ 근사의 경우, 오차는 $10^{-7}$ 에서 $10^{-8}$ Hartree 범위로 감소하여 화학적 정확도( $10^{-3}$ Ha)를 훨씬 밑돌았다.
회로 효율성: 더 큰 잠재적 연산자 풀을 사용함에도 불구하고, 적응형 선택을 통해 더 컴팩트한 회로를 구현했다. CD-ADAPT는 동일한 분자와 수렴 임계값에 대해 페르미온 ADAPT-VQE보다 훨씬 적은 수의 CNOT 게이트(약 100~500개 적음)를 사용하면서도 더 높은 정확도를 유지했다.
차수 의존성: AGP 근사 차수를 $l=1$ 에서 $l=2$ 로 높일수록 정확도가 일관되게 향상되었다. $l=2$ 영역 내에서 평가 시간 $t'$ 의 선택은 성능에 영향을 미쳤는데, LiH와 HF의 경우 $t'=0.75$ 가 $t'=0.25$ 보다 일반적으로 더 낮은 오차를 나타냈다.

의의 및 주장
저자들은 카운터디아바틱 구동을 ADAPT-VQE의 적응형 안사츠 구축과 결합하는 것이 단일 및 이중 들뜸과 같은 물리적으로 동기화된 상호작용 항에만 의존하는 것보다 분자 바닥 상태를 찾는 데 더 효과적인 경로임을 주장한다. 이 연구의 의의는 가속된 단열 역학이 안사츠 연산자 선택을 유도할 수 있음을 입증한 데 있으며, 이를 통해 다음을 달성했다:

우수한 정확도: 표준 벤치마크보다 몇 자릿수 더 낮은 오차를 달성했다.
감소된 회로 깊이: 표준 DCQO 및 페르미온 ADAPT-VQE에 비해 더 얕은 회로를 생성하여, NISQ 및 초기 결함 허용(fault-tolerant) 장치에서의 실행 가능성을 높였다.
근사의 확장성: 일반적인 디지털 카운터디아바틱 프로토콜과 관련된 과도한 회로 깊이 비용 없이도 높은 차수의 AGP 근사( $l>1$ )를 사용할 수 있게 했다.

본 논문은 이러한 하이브리드 접근 방식이 현재 및 가까운 미래의 양자 하드웨어에서 분자 시뮬레이션을 위한 적합한 후보이며, 기존의 변분 및 단열 방법론에 대한 강력한 대안을 제공한다고 결론짓는다.

유사한 논문