Faster matrix product state preparation by exploiting symmetry-induced… — 쉬운 설명

거대한 정교한 레고 성을 짓고 있다고 상상해 보세요. 양자 물리학의 세계에서는 이 성이 복잡한 분자나 물질의 상태를 나타냅니다. 이를 양자 컴퓨터로 시뮬레이션하기 위해 과학자들은 **행렬 곱 상태 (Matrix Product State, MPS)**라는 청사진을 사용합니다. MPS 를 각 레고 블록이 다음 블록과 어떻게 연결해야 하는지에 대한 구체적인 지시를 담고 있는 긴 레고 블록의 사슬로 생각하세요.

문제는 대규모 시스템의 경우 이러한 청사진이 엄청나게 크고 지저분해진다는 점입니다. 이 청사진을 양자 컴퓨터에 로드하려면 막대한 시간과 에너지 (특히 토폴리 게이트라는 유형의 디지털 "연료") 가 필요합니다.

이 논문 저자들이 간단한 비유를 사용하여 이 문제를 어떻게 해결했는지 살펴보겠습니다.

1. 숨겨진 질서 (대칭성)

많은 화학 시스템에는 "공기 중의 입자를 생성하거나 파괴할 수 없다"거나 "스핀은 보존되어야 한다"는 것과 같은 엄격한 자연의 법칙이 존재합니다. 물리학 용어로 이러한 법칙을 대칭성이라고 합니다.

이러한 시스템의 레고 청사진 (MPS) 을 살펴보면 흥미로운 점을 발견하게 됩니다. 그것은 무작위적인 혼란이 아닙니다. 숨겨진 구조를 가지고 있습니다. 자연의 법칙이 특정 연결을 금지하기 때문에 대부분의 지시는 공백이거나 0 입니다. 이 청사진은 **블록 희소 (block-sparse)**합니다.

비유: 규칙상 그 조합이 불가능하기 때문에 스프레드시트의 90% 가 빈 셀인 거대한 스프레드시트를 상상해 보세요. 데이터는 특정 고립된 셀 "블록"에만 존재합니다.

2. 구식 방법: 트럭 전체를 운반하는 것

이전에는 과학자들이 이 청사진을 양자 컴퓨터에 로드할 때, 이를 조밀하고 단단한 블록으로 취급했습니다. 데이터의 대부분이 비어 있음에도 불구하고 그들은 모든 0 을 포함하여 전체 그리드를 처리해야 했습니다.

비유: 90% 가 빈 공간인 상자들로 가득 찬 창고를 옮기려 하지만, 여전히 트럭을 운전하고 연료를 지불하며 운전사를 고용하여 빈 공간을 옮겨야 하는 것과 같습니다. 이는 극도로 비효율적입니다.

3. 새로운 트릭: 가구 재배치

저자들은 이러한 빈 공간을 활용하는 교묘한 방법을 발견했습니다. 데이터가 특정 "블록"으로 조직되어 있기 때문에 가구를 재배치할 수 있다는 사실을 깨달았습니다.

그들은 행과 열을 바꾸는 수학적 "순열 (permutations)"을 사용하여 청사진을 재배열했습니다.

마법 같은 이동: 행과 열을 재배열함으로써, 그들은 흩어져 있는 고립된 데이터 블록들을 모두 가져와 행렬의 대각선을 따라 완벽하게 정렬할 수 있었습니다.
비유: 장난감이 여기저기 흩어져 있는 messy 한 방이 있다고 상상해 보세요. 방 전체를 치우는 대신 모든 장난감이 실제로 특정 더미에 있다는 것을 깨닫습니다. 그냥 그 더미들을 밀어서 하나의 깔끔한 줄로 모으면 됩니다. 이제 방 전체를 치우는 대신 그 하나의 깔끔한 줄만 치우면 됩니다.

4. 결과: 훨씬 더 작은 작업

데이터가 이러한 깔끔한 "블록"으로 정렬되면, 양자 컴퓨터는 더 이상 거대한 행렬 전체를 처리할 필요가 없습니다. 가장 큰 단일 블록만 처리하면 됩니다.

성과: 저자들은 이러한 재배열을 통해 상태 준비에 필요한 "연료" (토폴리 비용) 를 10 배에서 30 배까지 줄일 수 있음을 보여주었습니다.
비유: 몇 개의 상자를 옮기 위해 50 톤 트럭을 운전하는 대신, 작은 픽업 트럭만 사용하면 된다는 사실을 깨달은 것과 같습니다. 그들은 막대한 양의 연료를 절약했습니다.

5. 실수 (Real Numbers) 를 위한 추가 트릭

이 논문은 또한 많은 화학 시스템이 복소수 대신 "실수" (더 간단한 수학) 를 사용한다고 언급합니다. 저자들은 이 점을 활용하기 위해 방법을 조정하여 이러한 특정 경우에 프로세스를 약 1.4 배, 즉 $\sqrt{2}$ 배 더 빠르게 만들었습니다.

요약

간단히 말해, 이 논문은 다음과 같이 말합니다: "우리는 자연의 법칙으로 인해 양자 화학 시뮬레이션의 청사진이 빈 공간으로 가득 차 있음을 발견했습니다. 이를 무시하고 모든 것을 처리하는 대신, 유용한 부분들을 그룹화하도록 데이터를 재배열했습니다. 이를 통해 작업 규모를 극적으로 줄여 양자 컴퓨터에서 이러한 상태를 준비하는 비용을 크게 절감하고 속도를 높일 수 있었습니다."

저자들은 효소와 철 - 황 클러스터와 같은 실제 분자 시스템에서 이를 테스트하여 현재 표준 방법보다 그들의 방법이 훨씬 더 효율적임을 확인했습니다.

기술적 요약: 대칭성 유도 블록 희소성 활용을 통한 더 빠른 행렬 곱 상태 준비

문제 제기
행렬 곱 상태 (MPS) 는 화학 및 응집물질 물리학에서 양자 시스템을 시뮬레이션하는 주요 도구이며, 특히 국소 1 차원 갭이 있는 해밀토니안의 바닥 상태를 찾는 데 필수적입니다. 이러한 상태를 양자 컴퓨터에서 준비하는 것은 양자 위상 추정 (QPE) 과 같은 알고리즘을 위한 핵심 단계입니다. 표준 결함 허용 준비 방법 (예: 보조 큐비트 지원 선형 깊이 접근법) 이 존재하지만, 이러한 방법들은 종종 MPS 텐서를 밀집 행렬로 취급합니다. 그러나 관심 있는 많은 물리 시스템은 입자 수 및 스핀 투영의 보존인 $U(1)$ -대칭성을 가지며, 이는 MPS 텐서에 블록 희소 구조를 유도합니다. 밀도 행렬 재규격화 군 (DMRG) 과 같은 고전 알고리즘은 효율성을 위해 이러한 희소성을 활용하지만, 표준 양자 준비 회로는 이를 완전히 활용하지 못해 불필요하게 높은 자원 비용 (특히 Toffoli 게이트 수) 을 초래합니다.

방법론
저자들은 블록 희소 MPS 의 준비 비용을 줄이기 위해 기본 유니터리 연산을 블록 대각 형태로 변환하는 방법을 제안합니다. 이 접근법은 MPS 를 유니터리 시퀀스 $U_i$ 를 통해 준비하는 표준 보조 큐비트 지원 준비 방식을 기반으로 합니다.

블록 희소성 활용:
전역 아벨 대칭성을 가진 시스템의 MPS 텐서 $M_i$ 는 블록 희소합니다. 저자들은 텐서 블록의 전치 행렬을 쌓아 만든 행렬 $U'_i$ 가 이 구조를 물려받음을 증명하며, 여기서 각 블록 행과 열은 단일 비영 블록만 포함합니다.
- 치환 전략: 이 방법은 $U'_i$ 의 비영 블록을 재배열하기 위해 행 및 열 치환 행렬 ( $P_r$ 및 $P_c$ ) 을 사용합니다.
- 블록 대각화: 유니터리 확장 $U_i = [U'_i \mid \ast]$ 의 지정되지 않은 항목 ( $\ast$ ) 을 보완 직사각형 블록으로 채워 행렬을 블록 대각 유니터리 $V$ 로 변환합니다. 이를 통해 $U_i$ 의 합성을 단일 대형 밀집 유니터리가 아닌 더 작고 독립적인 유니터리 블록들의 합성으로 분해할 수 있습니다.
최적화된 유니터리 합성:
블록 대각 유니터리는 기븐스 회전 (Givens rotations) 을 사용하여 합성됩니다.
- 실수 값 최적화: 저자들은 Berry 등 [8] 의 유니터리 합성 접근법을 수정합니다. 이러한 시스템에서 흔히 발생하는 실수 값 유니터리의 경우, $R_z$ 게이트를 제거하고 $R_y$ 회전만으로 기븐스 층을 표현하며 위상 기울기 프레임워크를 활용함으로써 필요한 Toffoli 게이트 수를 $\sqrt{2}$ 배 줄일 수 있음을 증명합니다.
- 층 정렬: 전체 블록 대각 행렬을 효율적으로 합성하기 위해 저자들은 개별 블록의 기븐스 회전 층을 정렬합니다. 원래 기저와 블록 대각 기저 간 변환에 필요한 치환 행렬 ( $W$ 및 $Q$ ) 은 부호 반전 보정을 갖춘 QROAM(양자 랜덤 액세스 메모리) 을 사용하여 처리하여 비용을 관리 가능하게 유지합니다.

주요 기여

블록 대각 변환: 행/열 치환과 유니터리 확장의 전략적 채우기를 통해 블록 희소 MPS 텐서를 블록 대각 유니터리로 변환하는 새로운 절차. 이는 합성 비용을 총 결합 차원에 의해 결정되는 것에서 가장 큰 블록의 크기에 의해 결정되는 것으로 줄여줍니다.
실수 유니터리에 대한 $\sqrt{2}$ 속도 향상: 불필요한 $R_z$ 회전을 제거함으로써 실수 값 유니터리에 대한 Toffoli 비용을 $\sqrt{2}$ 배 줄이는 Berry 등의 유니터리 합성 알고리즘 수정.
자원 벤치마킹: Qualtran 프레임워크 내 알고리즘 구현 및 P450 효소의 활성 공간과 철 - 황 클러스터를 포함한 다양한 분자 시스템에 대한 엄격한 자원 추정.

결과
다양한 결합 차원과 스핀 상태를 가진 강상관 분자 시스템 (예: P450, [Fe $_2$ S $_2$ ], [Fe $_4$ S $_4$ ]) 에 대한 수치적 벤치마크는 다음과 같은 상당한 개선을 보여줍니다:

Toffoli 비용 감소: 제안된 방법은 최신 밀집 준비 방법 (실수 값 최적화 유무 모두 포함) 대비 10 배에서 30 배에 이르는 Toffoli 비용 개선 계수를 달성합니다.
희소성과의 상관관계: 속도 향상은 텐서 내 비영 항목의 밀도가 낮은 더 높은 결합 차원을 가진 시스템에서 가장 두드러집니다. 저자들은 달성된 속도 향상이 이론적 최대치 (텐서 밀도의 역수의 $\sqrt{2}$ 배) 의 약 절반임을 지적하며, 블록화 단계에서 추가 최적화의 여지가 있음을 시사합니다.
큐비트 오버헤드: 치환 회로로 인한 비용은 유니터리 합성의 단일 층과 비교 가능한 수준으로, 총 절감량에 비해 관리 가능한 수준입니다.

의의 및 주장
본 논문은 대칭성 유도 블록 희소성을 활용하는 것이 결함 허용 양자 컴퓨터에서 종단 간 바닥 상태 에너지 추정을 더 효율적으로 만드는 데 중요한 단계라고 주장합니다.

QPE 와의 관련성: 최근 알고리즘적 발전으로 QPE 의 위상 추정 부분 비용이 감소하여 초기 상태 준비 비용과의 격차가 좁혀졌습니다. MPS 준비 비용을 크게 낮춤으로써 이 연구는 과도한 자원 오버헤드 없이 더 높은 품질의 초기 상태 (더 큰 결합 차원) 를 사용할 수 있게 합니다.
고전 및 양자의 통합: 이 연구는 이미 블록 희소성을 활용하는 고전 시뮬레이션 기술과 양자 시뮬레이션 간의 가교 역할을 하여, 양자 자원 추정이 대상 시스템의 물리적 대칭성을 반영하도록 보장합니다.
향후 방향: 저자들은 블록화 단계 자체를 최적화하거나 스핀 적응 $SU(2)$형태에 맞게 방식을 적응시킴으로써 추가 개선이 가능할 것이라고 제안합니다. 또한 슬레이터 행렬식의 희소 합을 준비하거나 단열/소산 기술을 사용하는 다른 방법들과의 직접적인 MPS 준비 비교 필요성을 강조합니다.

저자들은 그들의 접근 방식이 화학과 응집물질 물리학을 위한 고전 및 양자 시뮬레이션을 연결하는 필수적인 부분이며, 이러한 분야에서 양자 우위를 위한 총 자원 요구 사항을 줄이는 구체적인 경로를 제공한다고 결론지었습니다.

Faster matrix product state preparation by exploiting symmetry-induced block-sparsity