Monte Carlo sampling from a projected entangled-pair state in simulations of quantum annealing in the three dimensional random Ising model

논문 요약: 3 차원 무작위 이징 모델의 양자 어닐링 시뮬레이션을 위한 PEPS 기반 몬테카를로 샘플링

1. 연구 배경 및 문제 제기 (Problem)

• 연구 대상: D-Wave Advantage 시스템을 이용한 3 차원 (3D) 입방 격자 상의 무작위 이징 모델 (Random Ising Model) 에서의 양자 어닐링 시뮬레이션.
• 핵심 문제: 기존 연구 (Ref. 101) 에서 3 차원 텐서 네트워크 (Tensor Network) 를 이용한 양자 어닐링 시뮬레이션 시, 기대값 (Expectation Values) 계산이 주요 병목 현상 (Bottleneck) 으로 확인되었습니다.
  • 특히, 무한 격자 (주기적 경계 조건, PBC) 의 경우 결정론적 (Deterministic) 인 방법이 사용되었으나, 유한 격자 (개방 경계 조건, OBC) 나 더 큰 시스템의 경우 계산 비용이 기하급수적으로 증가하여 시뮬레이션 범위가 제한되었습니다.
  • 잔여 여기 에너지 (Residual Excitation Energy) 를 다양한 어닐링 시간에 걸쳐 정밀하게 평가하기 위한 효율적인 방법이 필요했습니다.

2. 방법론 (Methodology)

이 논문은 3 차원 텐서 네트워크를 기반으로 한 시간 진화 시뮬레이션을 수행하고, 기대값을 계산하기 위해 두 가지 접근법을 비교 및 적용했습니다.

• 모델 및 해밀토니안:

  • 3 차원 횡방향 자기장 (Transverse-field) 양자 이징 모델을 사용.
  • 해밀토니안 $H(s) = \Gamma(s) H_D + J(s) H_I$로 정의되며, $s=t/t_a$에 따라 파라메트릭하게 변화 (어닐링).
  • $H_D$는 횡방향 자기장, $H_I$는 무작위 결합 상수 ($J_{ij} = \pm 1$) 를 가진 이징 상호작용.

• 시간 진화 (Time Evolution):

  • PEPS (Projected Entangled-Pair State): 3 차원 텐서 네트워크를 PEPS 형태로 표현.
  • Suzuki-Trotter 분해: 2 차 차수 분해를 사용하여 시간 진화 게이트 적용.
  • NTU (Neighborhood Tensor Update): Trotter 게이트 적용으로 증가하는 결합 차원 (Bond Dimension) 을 제한된 차원 $D$로 잘라내기 (Truncation) 위해 사용. 3 차원 특성상 폐루프 (Closed loops) 를 포함하는 큰 이웃은 SVD1 근사를 통해 처리.

• 기대값 계산 방법 (두 가지 접근):

  1. 결정론적 방법 (Deterministic Method):
     • 무한 격자 (PBC) 에 적용.
     • 이중 레이어 (Double-layer) 네트워크를 구성하고, CTMRG (Corner Transfer Matrix Renormalization Group) 를 사용하여 상하 경계 상태 (Boundary states) 를 계산.
     • Fig. 2 에 도시된 바와 같이, 전이 행렬 (Transfer matrix) 을 반복 적용하여 수렴시킴.
  2. 몬테카를로 샘플링 방법 (Monte Carlo Sampling):
     • 유한 격자 (OBC) 에 적용하며, 계산 효율성을 극대화하기 위해 개발된 핵심 방법.
     • 프로젝트된 PEPS (Projected PEPS): 물리적 인덱스 (Physical indices) 를 고정하여 확률 진폭을 계산. 이는 이중 레이어 네트워크 대신 단일 레이어 (Single-layer) 구조를 사용하게 함.
     • Metropolis-Hastings 알고리즘: 계산 기저 ($\sigma^z$) 에서 물리적 인덱스 쌍을 업데이트하며 샘플링.
     • 지퍼 (Zipper) 절차: 2D PEPS 및 1D MPS 경계를 사용하여 층 (Layer) 별, 행 (Row) 별 순차적으로 네트워크를 축소 (Contract) 하여 확률 진폭 $A_{kl}$을 계산.
     • 이 방법은 결정론적 방법의 주요 병목이었던 큰 특이값 분해 (SVD) 를 피하고, 샘플링을 통해 관측량을 추정함.

3. 주요 기여 (Key Contributions)

• 효율적인 3D PEPS 샘플링 알고리즘 개발: 3 차원 텐서 네트워크에서 기대값 계산을 위해 결정론적 방법 대신 몬테카를로 샘플링을 성공적으로 적용.
• 병목 현상의 이동: 계산 병목이 '기대값 계산'에서 '시간 진화 시뮬레이션 자체'로 이동하게 함. 이는 더 넓은 범위의 퀀치 (Quench) 시간과 더 큰 시스템을 다룰 수 있게 함.
• KZ 스케일링 검증: 다양한 어닐링 시간에 걸쳐 잔여 에너지를 정밀하게 측정하여 Kibble-Zurek (KZ) 스케일링 법칙을 3 차원 시스템에서 검증.

4. 결과 (Results)

• 잔여 에너지 (Residual Energy) 스케일링:
  • 어닐링 시간 $t_a$가 증가함에 따라 잔여 여기 에너지 $Q$가 KZ 파워 법칙 $Q \propto t_a^{-0.965}$에 수렴함을 확인.
  • 결정론적 방법 (Fig. 4): $L^3=8^3$ 크기의 무한 격자 (PBC) 에서 $t_a \approx 3$ ns 부근에서 KZ 법칙의 기울기와 일치.
  • 몬테카를로 방법 (Fig. 8): $L=8$ 크기의 유한 격자 (OBC) 에서 $t_a \approx 5$ ns 부근에서 KZ 법칙의 기울기와 일치.
• 계산 효율성:
  • 몬테카를로 방법은 단일 레이어 구조를 사용하여 결합 차원 축소 비용을 크게 낮춤.
  • 자동 상관 시간 (Autocorrelation time) 이 짧아 (수 개의 스윕) 효율적인 샘플링이 가능함.
  • 느린 어닐링 (Slow ramps) 에서는 더 많은 샘플링이 필요하지만, 전체적인 계산 이득이 샘플링 오버헤드를 상쇄함.

5. 의의 및 결론 (Significance & Conclusion)

• 양자 시뮬레이션의 검증: 3 차원 양자 어닐링 시뮬레이션에서 고전적 텐서 네트워크 방법이 D-Wave 같은 양자 하드웨어의 결과를 검증 (Benchmark) 하는 데 유효함을 입증.
• 확장성: 몬테카를로 샘플링 기법은 3 차원 시스템뿐만 아니라, 허바드 모델의 열적 상태 계산이나 바닥 상태 성질 계산 등 다른 양자 다체 문제에도 적용 가능.
• KZ 메커니즘의 이해: 3 차원 무작위 이징 모델에서 KZ 스케일링이 잘 유지됨을 확인함으로써, 고차원 양자 위상 전이에서의 비평형 역학에 대한 이해를 심화.
• 향후 전망: 이 연구는 계산 병목이 시간 진화 단계로 이동했으므로, 더 긴 어닐링 시간이나 더 큰 시스템에 대한 시뮬레이션을 통해 KZ 스케일링의 정밀도를 높일 수 있는 기반을 마련함.

이 논문은 3 차원 양자 다체 시스템의 비평형 동역학을 연구하는 데 있어 텐서 네트워크 방법론의 한계를 극복하고, 몬테카를로 샘플링을 통한 효율적인 계산 패러다임을 제시했다는 점에서 중요한 의의를 가집니다.