Exponential Scaling Barriers for Variational Quantum Eigensolvers

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 변분 양자 고유값 솔버 (VQE) 와 그 적응형 변형인 ADAPT-VQE 는 고전 컴퓨터로 처리하기 어려운 양자 시스템의 바닥 상태를 계산하기 위한 유망한 알고리즘으로 간주되어 왔습니다. 특히 힐베르트 공간의 지수적 증가를 완화할 수 있다는 기대가 있었습니다.
• 문제: 그러나 VQE 가 실제로 대규모의 강하게 상관된 (strongly correlated) 분자 시스템을 고충실도로 시뮬레이션할 수 있는지, 그리고 그 계산 비용이 시스템 크기에 따라 어떻게 확장되는지에 대한 근본적인 의문이 남아 있었습니다.
• 목표: 이 연구는 적응형 VQE (ADAPT-VQE) 의 계산 비용이 목표 시스템의 크기에 따라 어떻게 확장되는지 정밀하게 분석하여, 현재 형태의 VQE 가 화학적 정확도 (chemical accuracy) 를 달성하기 위해 필요한 자원의 한계를 규명하는 것을 목적으로 합니다.

2. 방법론 (Methodology)

• 벤치마크 데이터셋 (MolVQE-21): 다양한 분자 유형 (선형 수소 사슬, 작은 유기 분자, 전이 금속 착물) 과 활성 공간 크기 (4~10 개 오비탈) 를 포함하는 21 개의 분자로 구성된 벤치마크 세트를 구축했습니다.
• 알고리즘:
  • CEO-ADAPT-VQE with TETRIS: 가장 적은 반복 횟수를 제공하는 CEO (Coupled Exchange Operators) 연산자 풀과 TETRIS 확장 (동시 병렬 연산자 추가) 을 사용하여 시뮬레이션을 수행했습니다.
  • 고전적 참조 계산: CASSCF (Complete Active Space Self-Consistent Field) 계산을 통해 기준 에너지와 CI (Configuration Interaction) 계수를 구했습니다.
• 복잡도 지표 (Complexity Metric):
  • VQE 의 난이도를 예측하기 위해 **Rényi 엔트로피 ($h_\alpha$)**를 도입했습니다. 이는 CASSCF 계산에서 얻은 CI 계수 분포에서 유도되며, 다중 참조 (multi-reference) 특성을 정량화합니다.
  • 화학적 정확도 ($\epsilon_{chem} \approx 1.6 \times 10^{-3}$ Eh) 를 달성하는 데 필요한 ADAPT 반복 횟수 ($n_{ADAPT}$) 와 Rényi 엔트로피 간의 상관관계를 분석했습니다.
• 시뮬레이션 도구: 정확한 상태 벡터 시뮬레이션을 위해 Qulacs 를 사용했으며, 최적화에는 Scipy 의 BFGS 최적화기와 헤시안 재사용 (Hessian recycling) 기법을 적용했습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

가. Rényi 엔트로피를 통한 예측 가능성

• 고전적인 CASSCF 계산에서 도출된 Rényi 엔트로피 ($h_\alpha$) 가 ADAPT-VQE 의 필요한 반복 횟수 ($n_{ADAPT}$) 를 매우 높은 정확도로 예측함을 발견했습니다.
• 화학적 정확도 ($\epsilon_{chem}$) 에서 최적의 차수인 $\alpha^* \approx 0.25$를 사용할 때, 결정 계수 ($R^2$) 가 0.948 ~ 0.99에 달하는 강력한 선형 상관관계 (반 로그 스케일) 를 보였습니다.
• 이는 시스템의 다중 참조 특성이 VQE 의 계산 복잡성을 직접적으로 결정한다는 것을 의미합니다.

나. 시스템 크기에 따른 지수적 확장 (Exponential Scaling)

• 수소 사슬 ($H_4$~$H_{10}$) 을 모델 시스템으로 사용하여 시스템 크기 (오비탈 수) 와 $n_{ADAPT}$ 간의 관계를 분석한 결과, 반복 횟수가 시스템 크기에 따라 지수적으로 증가함을 확인했습니다 ($R^2 \approx 0.98$).
• 회로 깊이 (Circuit Depth) 와 파라미터 수는 $n_{ADAPT}$에 비례하여 선형적으로 증가하므로, 결과적으로 양자 자원의 필요량이 시스템 복잡도에 따라 지수적으로 증가함을 결론지었습니다.

다. 대규모 시스템에 대한 외삽 (Extrapolation)

• 구축된 모델을 바탕으로 현재 직접 시뮬레이션이 불가능한 더 큰 시스템 (예: $Cr_2$, $[2Fe-2S]$, $[Cu_2O_2(NH_3)_6]^{2+}$) 에 대한 자원 요구량을 외삽했습니다.
• 예상 결과: 화학적 정확도를 달성하기 위해 수백에서 수천 번의 ADAPT 반복이 필요하며, 이는 수만 개의 파라미터와 수십만 개의 2-큐비트 게이트 (CNOT) 를 필요로 합니다. 이는 현재의 잡음 있는 중규모 양자 (NISQ) 하드웨어 능력으로는 달성하기 어려운 수준입니다.

라. 벤치마킹의 중요성 (MolVQE-21)

• 기존에 널리 사용되던 단순한 분자들 ($H_4$, $LiH$, $BeH_2$ 등) 은 Rényi 엔트로피가 낮고 반복 횟수가 적어 복잡한 시스템의 성능을 대표하지 못함을 지적했습니다.
• 따라서 더 대표성 있는 알고리즘 평가를 위해 MolVQE-21 벤치마크 세트를 커뮤니티 리소스로 제안했습니다.

마. 신장된 기하구조 (Stretched Geometries) 의 차이

• 결합 길이가 늘어난 수소 사슬 (강한 정적 상관관계) 은 평형 기하구조와 달리 비단조적 (step-wise) 인 수렴 행동을 보였습니다. 이는 초기에 에너지는 낮지만 스핀 대칭성이 깨진 상태에 수렴하기 때문입니다.
• 이러한 특성은 평형 기하구조에서의 지수적 확장 법칙을 적용하는 데 있어 주의가 필요함을 시사합니다.

4. 의의 및 결론 (Significance & Conclusion)

• 근본적 장벽 규명: 이 연구는 현재 형태의 (ADAPT-)VQE 가 고전적으로 처리하기 어려운 대규모 분자 시스템을 화학적 정확도로 시뮬레이션하는 데 지수적 자원 요구량이라는 근본적인 장벽이 있음을 증명했습니다.
• 예측 도구 제공: Rényi 엔트로피는 고전 계산만으로 VQE 의 자원 요구량을 사전에 예측할 수 있는 강력한 지표로 제시되었습니다.
• 실용적 함의: 단순한 알고리즘 최적화 (연산자 풀 개선, TETRIS 등) 만으로는 이 지수적 확장 문제를 해결할 수 없음을 시사합니다. VQE 는 더 정교한 알고리즘 (양자 위상 추정 등) 을 위한 상태 준비 서브루틴이나 근사적인 바닥 상태 추출 용도로는 유용할 수 있으나, 단독으로 대규모 문제를 해결하는 데는 한계가 있음을 강조합니다.
• 향후 방향: 이 연구는 VQE 기반 방법론의 실제 적용 가능성에 대한 현실적인 평가를 제공하며, 양자 화학 분야에서 더 발전된 알고리즘 개발의 필요성을 제기합니다.