Efficient Operator Selection and Warm-Start Strategy for Excitations in Variational Quantum Eigensolvers

1. 문제 정의 (Problem)

양자 화학에서 VQE 는 양자 컴퓨터와 고전 컴퓨터를 결합하여 분자의 바닥 상태를 찾는 유망한 알고리즘이지만, 다음과 같은 근본적인 한계에 직면해 있습니다.

• 메마른 평지 (Barren Plateaus): 손실 함수의 기울기가 지수적으로 감소하여 알고리즘이 수렴하지 못하는 현상.
• 깊은 회로 (Deep Circuits): 전통적인 UCCSD (Unitary Coupled Cluster Singles Doubles) 안사츠는 전자 수에 따라 다항식적으로 회로 깊이가 증가하여 현재의 NISQ(Noisy Intermediate-Scale Quantum) 장치에서 구현하기 어렵습니다.
• ADAPT-VQE 의 계산 비용: 적응형 VQE(ADAPT-VQE) 는 필요한 연산자를 하나씩 추가하는 방식을 취하지만, 매 단계마다 수많은 양자 회로를 평가해야 하므로 계산 오버헤드가 매우 큽니다.

2. 방법론 (Methodology)

이 연구는 ExcitationSolve 최적화기와 Energy Sorting (ES) 전략을 결합하여 위 문제들을 해결합니다.

A. ExcitationSolve 와 Energy Sorting 의 결합

• ExcitationSolve: 기존 경사 하강법 (Gradient Descent) 이 아닌, 각 연산자의 비용 함수를 완전히 재구성하여 매개변수를 직접 최적화하는 알고리즘입니다. 이를 통해 기울기 계산 없이도 최적의 매개변수를 찾을 수 있습니다.
• Energy Sorting (ES): 모든 가능한 연산자 풀 (Pool) 을 한 번의 스윕 (sweep) 으로 평가하여 에너지 영향도 ($\Delta E_j$) 가 임계값을 초과하는 연산자들을 동시에 선택합니다.
• 시너지 효과: ExcitationSolve 를 사용하면 첫 번째 선택 단계에서 ES 를 "무료"로 수행할 수 있습니다. 즉, 추가적인 최적화 없이 모든 관련 연산자를 한 번에 식별하고, 각 연산자에 대한 최적의 매개변수 값 ($\theta_j$) 을 미리 계산하여 워밍업 (Warm-Start) 을 가능하게 합니다.

B. 고전적 시뮬레이션을 통한 연산자 선택

• Hartree-Fock (HF) 상태 기반: HF 상태를 기준으로 할 때, 단일 여기 (single excitation) 는 에너지를 낮추지 못하며, 2 차 이상의 여기 (double excitation) 만이 HF 상태와 직접적으로 상호작용합니다.
• 고전적 계산 가능성: HF 상태에 2 차 여기 연산자를 적용한 상태는 고전적으로 시뮬레이션이 가능합니다. 이를 통해 고전 컴퓨터에서 1 전자 및 2 전자 적분 (integrals) 만을 사용하여 에너지 영향도와 최적 매개변수를 분석적으로 계산할 수 있습니다.
• 결과: VQE 최적화를 시작하기 전에 고전적으로 관련 연산자만 선별하고 초기 매개변수를 설정하여 양자 자원을 절약합니다.

C. OVP-CEOs (One Variational Parameter Couple Exchange Operators) 적용

• OVP-CEOs: 기존 양자 여기 연산자보다 CNOT 게이트 수 (13 개 $\to$ 9 개) 와 회로 깊이 (11 $\to$ 7) 를 줄일 수 있는 새로운 연산자 클래스입니다.
• 선택 전략: OVP-CEO+ 와 OVP-CEO- 두 가지 유형이 존재하며, HF 상태에서는 둘 다 동일한 영향을 미칩니다. 하지만 이후 상태에서는 차이가 발생합니다. 이를 해결하기 위해, 먼저 모든 관련 연산자를 선별한 후, HF 상태와 이후 상태에서의 에너지 기여도를 비교하여 더 유리한 유형 (+ 또는 -) 을 선택하는 추가적인 선택 단계를 도입했습니다.

3. 주요 기여 (Key Contributions)

1. 단일 스윕 기반 안사츠 구성: 기존의 반복적 선택 방식과 달리, 고전적 전처리와 ExcitationSolve 를 통해 단 한 번의 연산자 선택 단계로 모든 관련 연산자를 포함하는 안사츠를 구성합니다.
2. 효율적인 워밍업 전략: 최적화된 매개변수를 초기값으로 사용하여 VQE 최적화 과정을 가속화하고 수렴 속도를 높입니다.
3. OVP-CEOs 와의 통합: 회로 깊이를 줄이는 OVP-CEOs 를 효율적으로 선택하고 적용하는 방법을 제시하여 NISQ 장치의 한계를 극복합니다.
4. 고전적 시뮬레이션 가능성: 2 차 여기 연산자 선택 단계를 고전적으로 수행 가능하게 하여 양자 자원의 사용을 최소화합니다.

4. 결과 (Results)

• 수렴 속도 향상: 4 개에서 20 개의 큐비트를 사용하는 다양한 분자 (H2, LiH, H2O, CH4 등) 에 대해 실험한 결과, 제안된 방법 (ExcitationSolve + ES) 은 기존 ADAPT-VQE 및 고정된 UCCSD 안사츠에 비해 2 차 (quadratic) 수렴 속도 향상을 보였습니다.
• 계산 비용 감소:
  • LiH 분자의 경우, 순수 ExcitationSolve 방식 대비 약 1/10 의 자원을 사용했습니다.
  • CH4 (풀 크기 804) 의 경우, 계산 비용이 $10^{-2}$배로 감소했습니다.
  • 연산자 풀 크기가 커질수록 필요한 평가 횟수가 지수적으로 증가하는 경향이 있으나, 제안된 방법은 그 지수를 크게 낮춥니다.
• 회로 깊이 최적화: OVP-CEOs 를 적용한 경우, CNOT 게이트 수와 회로 깊이가 감소하여 NISQ 하드웨어에 더 적합해졌으며, 선택 전략을 통해 정확도 손실 없이 이를 달성했습니다.
• 고차 여기 (Higher Order Excitations): 3 차 여기 (triples) 를 포함하는 경우에도 동일한 프로토콜을 적용하여 화학적 정확도 (Chemical Accuracy, $10^{-3}$ Ha) 를 달성할 수 있음을 보였습니다.

5. 의의 (Significance)

• 양자 우위 실현: VQE 의 계산 복잡도를 획기적으로 줄여, 더 큰 분자 시스템 (28 개 큐비트 이상) 에 대한 시뮬레이션을 현실적으로 가능하게 합니다.
• NISQ 하드웨어 적합성: 회로 깊이를 줄이는 OVP-CEOs 와 효율적인 연산자 선택을 통해 노이즈가 있는 현재의 양자 컴퓨터에서도 더 깊은 회로를 안정적으로 실행할 수 있는 길을 엽니다.
• 범용성: 이 방법은 VQE 에 국한되지 않고, 양자 몬테카를로 (QMC), 양자 위상 추정 (QPE), 양자 부분공간 확장 (QSE) 등 초기 상태가 중요한 다른 양자 알고리즘의 전처리 단계로 활용될 수 있습니다.
• 실용적 속도: CH4 와 같은 분자의 경우 계산 시간을 '날' 단위에서 '분' 단위로 단축하여, 실제 화학 연구에 바로 적용 가능한 'Out-of-the-box' 시뮬레이션을 가능하게 합니다.

결론적으로, 이 연구는 고전적 전처리와 양자 최적화 알고리즘의 지능적인 결합을 통해 VQE 의 주요 병목 현상을 해결하고, 양자 화학 계산의 실용화를 앞당기는 중요한 진전을 이루었습니다.