Qubit-efficient variational algorithm for nuclear structure

거대한, 매우 복잡한 퍼즐을 맞추려 한다고 상상해 보세요. 이 퍼즐은 보론 -10 과 탄소 -12 와 같은 원소들의 원자핵이 가지는 '바닥 상태 (가장 안정적이고 에너지가 낮은 배열)'를 나타냅니다. 물리학의 세계에서는 이러한 미세한 입자들이 어떻게 배열되는지 파악하는 것이, 수십억 개의 잘못된 가능성 중에서 단 하나의 완벽한 그림을 찾아내는 것과 같습니다.

전통적으로 과학자들은 이 문제를 해결하기 위해 강력한 고전 컴퓨터를 사용하지만, 퍼즐이 커질수록 (입자가 늘어날수록) 가능한 배열의 수가 폭발적으로 증가하여 최상의 슈퍼컴퓨터조차 막히게 됩니다. 바로 여기서 양자 컴퓨팅이 등장합니다. 이는 한 번에 많은 가능성을 살펴볼 수 있는 마법 같은 새로운 유형의 퍼즐 해결사와 같습니다.

이 논문은 양자 컴퓨터가 이해할 수 있는 언어로 이 핵 퍼즐을 번역하기 위한 세 가지 다른 '전략' 또는 '지도'를 테스트하는 내용을 다룹니다. 연구자들은 VQE (변분 양자 고유값 솔버) 라는 방법을 사용했는데, 이는 컴퓨터가 최선의 해답을 찾을 때까지 설정을 조정하는 시행착오 과정입니다.

다음은 간단한 비유를 사용하여 테스트한 세 가지 전략의 개요입니다:

세 가지 전략 (매핑)

양자 컴퓨터의 기본 정보 단위인 '큐비트'를 버스의 좌석으로 생각하세요. 목표는 모든 퍼즐 조각 (핵 상태) 을 효율적으로 버스에 태우는 것입니다.

1. '조각당 한 좌석' 전략 (SD 매핑)

작동 원리: 26 개의 퍼즐 조각이 있다고 가정해 보세요. 이 전략에서는 퍼즐 조각 하나하나마다 버스에서 특정한 좌석 하나를 할당합니다. 조각이 26 개라면 좌석도 26 개가 필요합니다.
장점: 매우 직관적입니다. 조각들이 상호작용하는 '규칙'이 단순하여 컴퓨터가 해답을 계산하기 위해 많은 무거운 작업을 할 필요가 없습니다. 매우 명확하고 간단한 설명서를 가진 것과 같습니다.
단점: 많은 좌석 (큐비트) 을 사용합니다. 퍼즐이 커지면 버스 좌석이 부족해질 수 있습니다.
결과: 실제 양자 하드웨어에서 테스트했을 때, 이 방법은 완벽한 정답에서 0.21% 만 벗어난 가장 정확한 방법이었으며, 가장 신뢰할 수 있는 주자였습니다.

2. '분할 팀' 전략 (pnSD 매핑)

작동 원리: 이 전략은 퍼즐을 '양성자'와 '중성자'라는 두 팀으로 나누어 공간을 절약하려 합니다. 모든 조각에 개별 좌석을 주는 대신, 이를 그룹화합니다. 보론 퍼즐의 경우, 이 방법은 26 개 좌석의 필요성을 20 개로 줄였습니다.
장점: 버스 (큐비트) 공간을 절약합니다.
단점: 이러한 팀들이 상호작용하는 지침이 매우 복잡하고 지저분해집니다. 컴퓨터는 해답을 찾기 위해 방대한 수의 복잡한 단계 (게이트) 를 수행해야 합니다. 매우 길고 혼란스러운 대본을 따라야 하는 두 팀 간의 춤을 조율하려는 것과 같습니다.
결과: 지침이 너무 복잡하고 하드웨어가 현재 다소 '노이즈가 많은' (많은 배경 소음이 있는 방과 같은) 상태이기 때문에, 이 방법이 가장 어려움을 겪었으며 오차는 약 8.88% 였습니다.

3. '마법 압축' 전략 (cSD 매핑)

작동 원리: 이는 가장 혁신적인 접근법입니다. 모든 조각에 좌석을 주는 대신, 연구자들은 전체 퍼즐을 '압축'하는 교묘한 트릭을 사용했습니다. 26 개의 조각을 5 개의 좌석 (큐비트) 만 필요한 형식으로 압축했습니다.
장점: 공간 활용이 매우 효율적입니다. 다른 두 방법으로는 버스에 실을 수 없었던 더 크고 복잡한 퍼즐 (탄소 -12) 을 연구할 수 있게 했습니다.
단점: 퍼즐을 너무 꽉 조였기 때문에 '설명서'가 매우 길고 복잡해졌습니다. 컴퓨터는 올바른 답을 찾기 위해 더 많은 노브 (매개변수) 를 조정해야 합니다.
결과: 보론의 경우 약 3.37%, 탄소의 경우 6.82% 의 오차로 합리적으로 잘 수행되었습니다. 첫 번째 방법만큼 정확하지는 않았지만, 매우 적은 자원으로 훨씬 더 큰 문제를 해결할 수 있음을 입증했습니다.

실험 및 결과

연구자들은 두 가지 유형의 '테스트 트랙'에서 이러한 전략을 실행했습니다:

완벽한 시뮬레이터: 노이즈가 없으며 모든 것이 완벽하게 작동하는 컴퓨터 시뮬레이션.
실제 양자 하드웨어: 실제 양자 컴퓨터 (IBM 의 ibm_fez) 와 실제 세계의 불완전함을 모방하는 노이즈 시뮬레이터를 사용했습니다.

주요 발견:

노이즈는 적입니다: 실제 양자 컴퓨터는 현재 '노이즈가 많아서' 작은 실수를 저지릅니다. 지침이 복잡할수록 (pnSD 전략과 같이) 이러한 실수가 누적됩니다.
오차 보정: '제로 - 노이즈 외삽법 (ZNE)'이라는 기법을 사용했습니다. 흐릿한 사진을 찍고, 카메라를 조금 더 흐리게 하여 다시 찍은 뒤, 수학적으로 선명한 사진이 어떠했을지 추측하는 것과 같습니다. 이는 결과를 정제하는 데 도움이 되었습니다.
승자: 작은 퍼즐 (보론 -10) 의 경우, '조각당 한 좌석' (SD) 전략이 챔피언이 되어 실제 하드웨어에서도 거의 완벽한 정답을 얻었습니다.
미래의 희망: '마법 압축' (cSD) 전략은 큰 가능성을 보여주었습니다. 작은 퍼즐에 대해서는 가장 정확하지는 않았지만, 수백 개의 좌석이 있는 버스가 없어도 훨씬 더 크고 복잡한 원자핵 (탄소 -12 와 같은) 을 다룰 수 있음을 입증했습니다.

결론

이 논문은 원자핵에 대해 양자 컴퓨터와 대화하는 다양한 방식에 대한 '스트레스 테스트'입니다.

지금 당장 작은 문제에서 최대 정확도를 원한다면, 직관적인 SD 매핑을 사용하세요.
제한된 양자 자원으로 더 크고 어려운 문제를 해결하고 싶다면, 더 복잡한 조정이 필요하더라도 cSD 매핑이 가장 효율적인 도구입니다.

저자들은 단일 방법이 아직 완벽하지는 않지만, '마법 압축' (cSD) 접근법이 오늘날 우리가 가진 양자 컴퓨터에서 복잡한 핵 물리학 문제를 해결하기 위한 유망한 길이라고 결론지었습니다.

기술 요약: 원자핵 구조를 위한 큐비트 효율적 변분 알고리즘

문제 제기
핵 껍질 모델을 이용한 원자핵 연구는 상당한 계산 병목 현상에 직면해 있습니다: 힐베르트 공간의 크기가 핵자의 수에 따라 조합적으로 증가하여 많은 시스템을 고전 컴퓨터로 처리할 수 없게 만듭니다. 양자 컴퓨팅은 이러한 강하게 얽힌 상태를 효율적으로 시뮬레이션할 수 있는 경로를 제공하지만, 현재의 잡음이 있는 중간 규모 양자 (NISQ) 장치는 큐비트 수와 회로 깊이에 의해 제한받습니다. 저자들의 이전 연구는 다체 구성을 큐비트에 직접 매핑하면 저깊이 회로를 얻을 수 있음을 보였으나, 그 대가로 많은 수의 큐비트가 필요하여 확장성을 제한했습니다. 본 연구는 변분 양자 고유값 솔버 (VQE) 를 사용하여 핵 바닥 상태를 계산하기 위한 세 가지 서로 다른 매핑 전략을 비교함으로써 큐비트 효율성과 회로 깊이 간의 트레이드오프를 다룹니다.

방법론
저자들은 CKpot 유효 상호작용을 사용하여 두 개의 중간-p-껍질 핵, 즉 $^{10}\text{B}$ ( $3^+$ ) 와 $^{12}\text{C}$ ( $0^+$ ) 의 바닥 상태를 조사합니다. 그들은 다입자 기저 (슬레이터 행렬식, SD) 를 큐비트 힐베르트 공간에 매핑하기 위한 세 가지 전략을 비교합니다:

슬레이터 행렬식 (SD) 매핑: $N_{SD}$ 개의 다입자 상태 각각이 단일 큐비트에 매핑됩니다. $^{10}\text{B}$ 의 경우, 이는 26 큐비트 시스템을 초래합니다. 해밀토니안은 각 큐비트가 전체 SD 를 나타내며 자연스럽게 반대칭성을 고려하는 파울리 문자열로 변환됩니다. 이 접근법은 간단하고 저깊이의 시험 파동함수를 제공하지만 최대 수의 큐비트를 필요로 합니다.
양성자 - 중성자 슬레이터 행렬식 (pnSD) 매핑: SD 들은 양성자 성분과 중성자 성분으로 분해됩니다. 고유한 양성자 SD 와 중성자 SD 는 별도의 큐비트에 할당됩니다. $^{10}\text{B}$ 의 경우, 이는 시스템을 20 큐비트 (양성자 10 개 + 중성자 10 개) 로 줄입니다. 해밀토니안은 조던 - 위그너 변환을 사용하여 매핑됩니다. 이는 큐비트 수를 줄이지만, 제어된 여기 게이트와 더 많은 수의 교환하는 파울리 그룹의 필요성으로 인해 회로 깊이를 증가시킵니다.
압축 슬레이터 행렬식 (cSD) 매핑: 이 전략은 최대의 큐비트 효율성을 목표로 합니다. 해밀토니안 행렬의 차원은 가장 가까운 2 의 거듭제곱으로 패딩됩니다 (예: $^{10}\text{B}$ 의 경우 26 $\to$ 32, $^{12}\text{C}$ 의 경우 51 $\to$ 64) 그리고 Qiskit 을 사용하여 파울리 문자열 해밀토니안으로 변환됩니다. 이는 $^{10}\text{B}$ 의 경우 5 큐비트 시스템과 $^{12}\text{C}$ 의 경우 6 큐비트 시스템을 초래합니다. 시험 파동함수는 물리학에서 영감을 받은 여기 연산자 대신 하드웨어 효율적인 안사츠 (교번하는 $RY$ 및 CNOT 게이트 레이어) 를 사용합니다. 이는 큐비트와 게이트 수를 최소화하지만 훨씬 더 많은 수의 변분 파라미터를 필요로 합니다.

VQE 최적화는 최적의 파라미터를 결정하기 위해 잡음이 없는 상태 벡터 시뮬레이터에서 SLSQP 최적화기를 사용하여 수행되었습니다. 이러한 고정 파라미터 회로는 그 후 잡음이 있는 시뮬레이터 (IBM 의 FakeFez 백엔드) 와 실제 양자 하드웨어 (ibm_fez) 에서 실행되었습니다. 제로 - 잡음 외삽 (ZNE) 은 두 큐비트 게이트의 잡음 수준을 스케일링하여 오류를 완화하는 데 적용되었습니다.

주요 결과

자원 수: SD 매핑은 $^{10}\text{B}$ 에 대해 26 개의 큐비트를 필요로 했지만 에너지 측정을 위해 4 개의 교환하는 파울리 그룹만 필요했습니다. pnSD 매핑은 20 개의 큐비트를 필요로 했지만 530 개의 교환하는 그룹이 필요했습니다. cSD 매핑은 $^{10}\text{B}$ 의 경우 5 개, $^{12}\text{C}$ 의 경우 6 개의 큐비트만 필요했으며, 각각 122 개와 365 개의 교환하는 그룹을 필요로 했습니다.
하드웨어에서의 정확도:
- $^{10}\text{B}$ 의 경우, SD 매핑은 하드웨어에서 오류 완화 후 가장 정확한 결과를 산출하여 정확한 껍질 모델 결과에 비해 **0.21%**의 백분율 오차를 보였습니다.
- $^{10}\text{B}$ 에 대한 cSD 매핑은 **3.37%**의 오차를 초래했습니다.
- $^{10}\text{B}$ 에 대한 pnSD 매핑은 **8.88%**의 오차를 보였습니다.
- 고전 시뮬레이터에서 SD 및 pnSD 매핑이 계산적으로 불가능했던 $^{12}\text{C}$ 의 경우, cSD 매핑은 하드웨어에서 **6.82%**의 오차를 달성했습니다.
파동함수 충실도: cSD 매핑의 경우, 하드웨어에서 샘플링된 VQE 파동함수 (오류 완화 없이) 의 충실도는 정확한 껍질 모델 파동함수와 비교하여 $^{10}\text{B}$ 의 경우 0.942, $^{12}\text{C}$ 의 경우 0.915였습니다.

의의 및 주장
이 논문은 SD 매핑이 낮은 회로 깊이와 적은 수의 교환하는 그룹으로 인해 현재 하드웨어에서 우수한 정확도를 제공하지만, cSD 매핑이 복잡한 핵으로 확장하기 위한 가장 유망한 전략이라고 주장합니다. cSD 접근법은 $^{12}\text{C}$ 의 바닥 상태를 6 개의 큐비트만으로 정의할 수 있음을 보여주는데, 이는 SD 매핑의 경우 51 개의 큐비트와 pnSD 의 경우 30 개의 큐비트가 필요하여 후자를 표준 고전 상태 벡터 시뮬레이터의 범위를 벗어납니다.

저자들은 cSD 매핑이 더 많은 변분 파라미터를 필요로 함에도 불구하고, 큐비트 효율성으로 인해 NISQ 하드웨어에서 서로 다른 질량 영역의 복잡한 핵 시스템을 기술하는 데 유망하다고 결론지었습니다. 또한 그들은 SD 및 pnSD 매핑이 개별 슬레이터 행렬식을 단일 파라미터로 제어할 수 있는 다른 양자 알고리즘의 초기 상태 준비를 위한 향후 양자 장치에서도 여전히 가치 있다고 지적합니다. 이 연구는 큐비트 가용성, 회로 깊이, 그리고 고전 시뮬레이션의 계산 비용이라는 특정 제약 조건에 기반하여 매핑 전략을 선택하기 위한 비교 프레임워크를 확립합니다.

세 가지 전략 (매핑)

실험 및 결과

결론

유사한 논문