Scalable Quantum Algorithms for Gutzwiller Projection

이 논문은 임의의 BCS 상태 준비와 진폭 증폭을 결합하여 투영 쿼리에 대한 이차적 감소를 달성함으로써, $t$-$J$ 모델과 같은 강상관 격자 모델을 시뮬레이션하기 위한 것츠윌러 투영 상태(Gutzwiller-projected states)의 효율적인 준비를 가능하게 하는 확장 가능한 양자 알고리즘을 소개한다.

핵심

개요: "완벽한" 시작점을 찾아서

당신이 거대한, 믿을 수 없을 정도로 어려운 퍼즐(고온 초전도체와 같은 복잡한 물질을 상징)을 풀려고 한다고 상상해 보세요. 이 퍼즐을 빠르게 풀기 위해서는, 이미 최종 그림과 매우 유사한 형태를 띠고 있는 퍼즐 조각에서부터 시작해야 합니다. 만약 무작위 조각으로 시작한다면, 적절한 위치를 찾는 데 영원히 시간을 허비할 수도 있습니다.

양자 컴퓨팅의 세계에서, 이 "완벽한 시작 조각"을 **입력 상태(input state)**라고 부릅니다. 이 논문은 거츠윌러 투영된 BCS 상태(Gutzwiller-projected BCS state) 또는 RVB 상태라고 불리는 특정 유형의 시작 상태에 집중합니다. 이 상태는 물리학자들이 이러한 까다로운 물질에서 전자들이 어떻게 행동하는지 설명하기 위해 매우 유용하다고 알고 있는, 일종의 '매우 잘 교육된 추측'이라고 생각하면 됩니다.

하지만 문제가 하나 있습니다. 양자 컴퓨터에서 이 완벽한 시작 조각을 만드는 것은 믿을 수 없을 정도로 어렵습니다.

문제점: "이중 점유" 규칙

전자들이 무용수라고 가정해 봅시다. 붐비는 무도회장(양자 컴퓨터)에서 말이죠. 저자들이 연구하는 특정 물질에는 엄격한 규칙이 있습니다: 서로 반대되는 스핀을 가진 두 명의 무용수가 동시에 같은 자리에 서 있을 수 없습니다. 만약 그렇게 된다면, 에너지가 너무 높아져서 상태가 "망가지게" 됩니다.

1. 쉬운 부분 (BCS 상태): 저자들은 무용수들이 조화롭고 아름다운 패턴으로 움직이는 "무도회장"(BCS 상태)을 쉽게 만들 수 있습니다.
2. 어려운 부분 (투영): 문제는 이 쉬운 패턴 안에서는 일부 무용수들이 실수로 같은 자리에 서 있게 된다는 점입니다(이중 점유). "완벽한" RVB 상태를 얻으려면, 이 모든 쌍을 제거해야 합니다.

기존 방식 (측정 기반 사후 선택):
모든 자리를 감시하는 심판을 두어 무도회장을 수정한다고 상상해 보세요.

• 심판이 한 쌍을 발견하면 "멈춰!"라고 외치고, 모두는 다시 탈의실로 돌아가 처음부터 다시 춤을 시작해야 합니다.
• "완벽한" 춤은 "엉망인" 춤에 비해 매우 드물게 나타나기 때문에, 심판은 거의 매번 "멈춰!"라고 외칠 것입니다.
• 단 한 번의 성공적인 실행을 얻기 위해 수조 번의 재시도를 해야 할 수도 있습니다. 이는 양자 컴퓨터에게 너무 느리고 비용이 많이 드는 작업입니다.

해결책: "진폭 증폭" 기술

저자들은 **거츠윌러 투영을 위한 진폭 증폭(AAGP)**이라는 새로운 방법을 제안합니다.

단순히 지켜보고 재시작하는 대신, 무용수들을 **결맞게 유도(coherently nudge)**할 수 있는 마법 같은 지휘자가 있다고 상상해 보세요.

• 무용수들이 실수로 서로 발을 밟을 때마다, 지휘자는 음악을 멈추는 대신 리듬을 미세하게 조정하여 그 "실수"가 일어날 확률은 낮추고 "완벽한" 패턴이 나타날 확률은 높입니다.
• 지휘자는 이 유도 과정을 여러 번 반복합니다.
• 마법 같은 점: 기존 방식은 수조 번의 시도가 필요했지만(선형 스케일링), 이 새로운 방식은 그 숫자의 제곱근만큼의 시도만 필요합니다(이차 스케일링).

비유:

• 기존 방식: 건더기 더미 속에서 특정 바늘을 찾고 있습니다. 한 움큼의 건더기를 꺼내 확인하고, 바늘이 아니라면 건더기 전체를 버리고 새 건더기 더미에서 다시 시작합니다.
• 새로운 방식 (AAGP): 당신에게는 체크할 때마다 바늘을 표면 쪽으로 부드럽게 끌어당기는 자석이 있습니다. 건더기를 통째로 버릴 필요 없이, 바늘이 튀어나올 때까지 계속 자석을 사용하기만 하면 됩니다.

결과: 거대한 도약

저자들은 이 새로운 방법이 얼마나 더 나은지 확인하기 위해 시뮬레이션을 수행했습니다.

• 도전 과제: 100개의 사이트(100개의 자리가 있는 "무도회장")를 가진 시스템의 경우, 완벽한 상태가 자연적으로 존재할 확률이 너무 낮아서 기존 방식으로는 약 10,000,000,000,000,000(1경) 번을 시도해야 합니다.
• 돌파구: 새로운 AAGP 방법을 사용하면 약 10,000,000(천만) 번만 시도하면 됩니다.

핵심 요약:
이는 **7자릿수(seven orders of magnitude)**의 차이입니다. 이를 체감하기 위해 설명하자면, 기존 방식이 인간의 일생이 걸릴 만큼 오래 걸린다면, 새로운 방식은 몇 시간 만에 끝낼 수 있습니다.

이것이 왜 중요한가

이 논문은 이 방법이 물질 시뮬레이션의 전체 문제를 해결한다고 주장하는 것이 아닙니다. 이 논문은 가장 결정적이고 첫 번째 단계인, 올바른 시작점을 확보하는 문제를 해결한다고 주장합니다.

• 이 새로운 기술이 없다면, 대규모 시스템에서 이러한 특정 양자 상태를 준비하는 것은 컴퓨터가 시간과 에너지를 모두 소진해 버리기 때문에 사실상 불가능합니다.
• 이 새로운 기술 덕분에, 이러한 상태들은 실용적이고 사용 가능한 것이 됩니다. 이는 "이론적인 아이디어"를 양자 컴퓨터를 위한 "배치 가능한 도구"로 탈바꿈시킵니다.

요약하자면, 저자들은 양자 시뮬레이션의 시작 상태를 준비하기 위한 "터보차저"를 구축했으며, 이를 통해 이전에는 접근할 수 없었던 복잡한 물질들을 양자 컴퓨터로 연구할 수 있게 만들었습니다.

기술 요약

기술 요약: 가츠빌러 투영(Gutzwiller Projection)을 위한 확장 가능한 양자 알고리즘

문제 정의
허바드(Hubbard) 모델 및 $t$-$J$ 모델과 같은 강상관 격자 모델의 양자 시뮬레이션은 정밀한 고전적 대각화(exact classical diagonalization)의 범위를 넘어서는 양자 물질 연구를 위한 경로를 제공한다. 그러나 변분 양자 고유치 솔버(VQE) 및 양자 위상 추정(QPE)과 같은 알고리즘의 효용성은 입력 상태의 품질에 결정적으로 의존한다. 강한 반발력을 가진 시스템의 경우, 가츠빌러 투영된 바딘-쿠퍼-슈리퍼(BCS) 상태(흔히 공명 가치 결합(RVB) 상태라고 불림)는 이러한 모델에 내재된 이중 점유 금지 제약을 포착하는 물리적으로 동기화된 안사츠(ansatz)이다.

양자 하드웨어에서 RVB 상태를 활용하는 데 있어 주요 장애물은 가츠빌러 투영($\mathcal{P}_G$)의 비자명한 특성이다. 나이브한 접근 방식은 모든 격자 사이트에서 이중 점유를 반복적으로 측정하고 이중 점유가 없는 결과만을 사후 선택(post-selection)하는 것이다. 이러한 측정 기반 방법은 매우 비효율적인데, 왜냐하면 미투영 BCS 상태 내에서 RVB 상태가 갖는 확률 가중치($W$)가 시스템 크기에 따라 지수적으로 감소하기 때문이다. 결과적으로, 물리적으로 유의미한 시스템 크기(예: 약 120개 사이트)에 대해 RVB 상태를 준비하기 위해 필요한 쿼리 수는 $O(1/W)$로 스케일링되며, 이는 지수적인 성공 확률 억제 때문에 사실상 불가능하게 만든다.

방법론
저자들은 사후 선택의 비효율성을 극복하기 위해 **가츠빌러 투영을 위한 진폭 증폭(AAGP)**이라 명명된 확장 가능한 양자 알고리즘을 제안한다. 이 방법론은 두 가지 주요 구성 요소로 이루어진다:

1. 임의의 BCS 상태 구축:
   저자들은 유한 크기의 양자 컴퓨터에서 임의의 BCS 상태를 준비하기 위한 회로 구성을 상세히 설명하며, 이는 번역 대칭성이 깨진 경우(예: 무질서한 시스템)에도 가능하다. 이는 **블로흐-메시에 분해(Bloch-Messiah decomposition)**를 통해 달성된다.

   • BCS 해밀토니안을 보고리우보프-드 제네(BdG) 형태로 표현한다.
   • 단일 입자 해밀토니안 행렬을 고전적으로 대각화하여 보고리우보프 변환을 얻는다.
   • 유니터리 연산자 $U_{BCS}$를 기븐스 회전(Givens rotations, 양자 회로를 통해 구현됨)의 시퀀스를 사용하여 구축함으로써, 진공 상태를 원하는 BCS 상태로 매핑한다. 이 과정은 전자 연산자를 대각화된 준입자 기저로 변환하는 과정을 처리한다.

2. 투영을 위한 진폭 증폭:
   실패한 상태를 측정하여 버리는 대신, AAGP 알고리즘은 BCS 상태 내에서 가츠빌러 투영된 성분의 진폭을 코히어런트하게 증폭한다.

   • 알고리즘은 투영을 타겟 상태가 RVB 상태($|\psi_{RVB}\rangle$)이고 초기 상태가 BCS 상태($|\psi_{BCS}\rangle$)인 탐색 문제로 취급한다.
   • 이 알고리즘은 $U_{BCS}$, 그 역행렬 $U_{CS}^\dagger$, 그리고 진공 및 가츠빌러 투영된 부분 공간에 작용하는 조건부 위상 회전($R_{vac}$ 및 $R_G$)을 포함하는 일련의 유니터리 연산을 사용한다.
   • 체비쇼프 다항식(Chebyshev polynomials)으로부터 유도된 회전 각도를 최적화함으로써, 알고리즘은 성공 확률을 1에 가깝게 증폭시킨다.
   • 결정적으로, BCS 준비 회로에 대한 쿼리 횟수는 $O(1/\sqrt{W})$로 스케일링되어, 측정 기반 사후 선택의 $O(1/W)$ 스케일링에 비해 이차적 가속(quadratic speedup)을 제공한다.

주요 결과
본 논문은 정사각형 격자 $t$-$J$ 모델에 대한 자원 스케일링 및 수치적 벤치마크를 제공한다:

• 스케일링 분석: $N_s$ 사이트에 대한 RVB 상태 준비를 위한 총 T-게이트 계산량은 $O\left(\frac{\ln(2/\delta)}{\sqrt{W}} N_s^2 \log^2(1/\epsilon)\right)$로 도출된다 (여기서 $\delta$는 허용 오차, $\epsilon$은 정밀도이다). 이는 사후 선택에 비해 결함 허용(fault-tolerant) 자원 스케일링 측면에서 상당한 개선을 나타낸다.
• 확률 가중치 ($W$): 클래식적 정밀 대각화의 한계인 $N_s=20$까지의 시스템에 대한 수치 계산 결과, $W \approx A e^{-\lambda N_s}$와 같이 $W$가 시스템 크기에 따라 지수적으로 감소함을 보여준다.
• 벤치마크 성능: 클래식적 정밀 대각화를 넘어서는 크기이자 물리적 다체 행동(many-body behavior)에 유의미한 100-사이트 벤치마크의 경우, 투영된 상태의 가중치는 $W \approx 1.7 \times 10^{-15}$로 추정된다.
  • 측정 기반 접근 방식은 약 $10^{15}$번의 쿼리가 필요하다.
  • AAGP 알고리즘은 이 요구량을 약 $10^7$~$10^8$번의 쿼리로 줄인다.
  • 이는 약 **7자릿수(seven orders of magnitude)**의 감소를 의미한다.

의의 및 주장
저자들은 AAGP의 의의가 점근적 이론을 넘어선다고 주장한다. 전체적인 자원 비용은 여전히 지수적으로 작은 가중치 $W$에 의해 지배되지만, 이 이차적 개선은 "실질적인 유한 크기 임계값(practical finite-size threshold)"을 넘어서기에 충분하다.

• 조력 프리미티브(Enabling Primitive): 본 논문은 AAGP가 투영된 BCS/RVB 상태의 준비를 약 100 사이트 규모의 시스템에 대해 "사실상 사용 불가능한" 상태에서 "실제로 배포 가능한" 상태로 전환한다고 주장한다.
• 범용성: 이 알고리즘은 번역 불변 시스템에 국한되지 않으며, 무질서한 모델, 다양한 격자 기하학, 그리고 조절 가능한 충전 계수(filling factors)를 지원한다. 이는 양자 스핀 액체(예: 카고메 격자의 디락 스핀 액체)나 고온 초전도 메커니즘을 연구하기 위한 입력 상태로 사용될 수 있다.
• 제한적 범위: 저자들은 AAGP가 강상관 모델을 시뮬레이션하는 전체 자원 문제를 해결하는 것이 아니라, 특정하고 결정적인 장애물인 "고품질 입력 상태의 준비"를 제거하는 것임을 명시적으로 밝힌다. 그들은 이를 "조력적 입력 상태 준비 프리미티브"로 간주한다.
• 향후 확장: 논문은 현재 구현이 엄격한 이중 점유 금지($t$-$J$ 한계)를 강제하지만, 유니터리 변환을 통해 이중 점유를 섭동적으로 추가함으로써 허바드 모델로 프레임워크를 확장할 수 있음을 언급하였으며, 이는 현재의 결과가 아닌 향후 과제로 식별되었다.