Efficient Quantum Circuits for Coherent Conversion Between General First- and Second-Quantized Many-Body Representations

기술 요약: 제1양자화 및 제2양자화 다체 표현 간의 결맞는 변환을 위한 효율적인 양자 회로

문제 정의
고정된 입자 수 $N$을 갖는 다체 계(many-body systems)의 양자 시뮬레이션은 수학적으로는 동일하지만 자원 측면에서는 서로 다른 두 가지 기술 방식을 허용한다: 제1양자화(입자) 표현과 제2양자화(점유수) 표현이다.

• 제1양자화: 상태를 $(\mathbb{C}^d)^{\otimes N}$에 임베딩하며, $N \lceil \log_2 d \rceil$개의 큐비트를 필요로 한다. $N \ll d$일 때 공간 효율적이지만, 입자 치환 대칭성으로 인해 연산자 구현 시 높은 게이트 복잡도를 초래하는 경우가 많다.
• 제2양자화: 점유 벡터 $(n_1, \dots, n_d)$를 사용하는 포크 공간(Fock space)의 고정된 $N$ 섹터 내에서 상태를 표현하며, 일반적으로 $O(d)$개의 큐비트를 필요로 한다. 생성/소멸 대수를 자연스럽게 처리하고 입자 수의 유연성을 제공하지만, $N$이 작고 $d$가 큰 경우에는 공간 비효율적일 수 있다.

특정 통계(예: 순수 페르미온 또는 보존)를 위한 특화된 알고리즘은 존재하지만, 입자의 통계적 특성을 회로 로직에 하드코딩하지 않고도 일반적인 다체 상태(파라통계 섹터 포함)를 두 표현 사이에서 결맞게 변환할 수 있는 보편적이고 대칭 불가지론적인(symmetry-agnostic) 유니터리 변환에 대한 연구는 부족한 실정이다. 본 논문은 서로 다른 표현 단계가 최적화된 모듈형 양자 워크플로우를 가능하게 하는 이러한 프리미티브(primitive)의 필요성을 다룬다.

방법론 및 핵심 구조
저자들은 제1양자화 상태를 고정된 $N$의 제2양자화 형태로 매핑하는 명시적인 유니터리 연산자 $Q$(및 그 역연산 $Q^\dagger$)를 구축한다. 이 구축은 다음과 같은 중심적인 구조적 식별에 기초한다: 점유수 표현은 제1양자화 힐베르트 공간의 일반화된 군 푸리에 기저(generalized group Fourier basis)이다.

변환 $Q$는 두 가지 주요 단계로 구성된다:

1. 강한 양자 슈어 변환 (Strong Quantum Schur Transform, $U_{\text{Schur}}$):

   • 슈어-바일(Schur-Weyl) 쌍대성에 기반하여, 힐베르트 공간 $(\mathbb{C}^d)^{\otimes N}$은 영 다이어그램(Young diagram) $\lambda$($S_N$의 가약 표현)와 $U(d)$ 가약 표현으로 라벨링된 섹터들로 분해된다.
   • $U_{\text{Schur}}$는 교환 쌍 $(S_N, U(d))$에 대한 비가환 푸리에 변환을 수행한다. 이는 계산 기저(입자 구성)를 슈어 기저 $|\lambda, \mu, \sigma\rangle$로 매핑한다:
     • $\lambda$: 영 다이어그램 형상 (입자 통계 섹터).
     • $\sigma$: 영-야마노우치 단어 (Young-Yamanouchi word, $S_N$의 다중도 라벨).
     • $\mu$: 겔판드-체틀린(Gelfand-Tsetlin, GT) 패턴 ($U(d)$ 가약 표현의 기저).
   • 이 단계는 $\lambda, \mu, \sigma$ 라벨을 전용 레지스터에 결맞게 기록한다.

2. 조던-슈윙거 산술 유니터리 (Jordan–Schwinger Arithmetic Unitary, $U_{\text{JS}}$):

   • 이 단계는 GT 패턴 데이터 $\mu$를 점유 벡터 $n = (n_1, \dots, n_d)$로 변환한다.
   • 저자들은 조던-슈윙거 사상의 대각 생성자가 모드 수 연산자(mode-number operators)에 대응함을 입증했다. 구체적으로, 점유수는 GT 패턴의 연속적인 행 합 차이로서 복구된다: $n_\ell = R_\ell(\mu) - R_{\ell-1}(\mu)$, 여기서 $R_\ell$은 $\ell$번째 행의 첫 $\ell$개 항목의 합이다.
   • 가중치 공간이 퇴화하는 일반적인 파라통계 섹터의 경우, 저자들은 **정준 겔판드-체틀린 약속(canonical Gelfand–Tsetlin promise)**을 부과한다: 입력 상태는 각 가중치에 대해 구별된 정준 대표 $\mu_{\text{can}}(n, \lambda)$ 상에서만 지지된다. 이 약속 하에서 매핑은 전단사적이며 가역적이다.
   • $U_{\text{JS}}$는 가역 논리(덧셈, 뺄셈 및 재구성)를 사용하여 $\mu$로부터 $n$을 계산하고 중간 GT 데이터를 되돌리는(uncompute) 과정을 구현한다.

주요 기여

• 보편적 유니터리 변환기: 본 논문은 입자의 통계 클래스를 사전에 알지 못하더라도 보존(bosons), 페르미온(fermions), 파라통계(parastatistics, parabosons/parafermions)를 모두 처리할 수 있는 명시적인 유니터리 $Q$의 구축을 제공한다. 통계적 특성은 과정 중에 $\lambda$ 레지스터에 진단되어 저장된다.
• 표현론적 통찰: 본 연구는 제2양자화 점유 기저를 슈어-바일 분해에서 발생하는 $U(d)$ 표현의 가중치 기저(weight basis)로 엄밀하게 식별한다. 또한 이 변환을 "전(pre)-푸리에" 계산 기저에서 "푸리에" 가중치 기저로의 변화로 프레임화한다.
• 복잡도 분석:
  • 양자 비용: 총 게이트 복잡도는 $\text{poly}(N, d, \log(1/\epsilon))$이다. 지배적인 비용은 강한 슈어 변환(Bacon-Chuang-Harrow 또는 Krovi-Burchardt와 같은 기존 알고리즘 사용)에서 발생하며, 산술 단계는 $O(d^2 \log N)$의 비용을 추가한다.
  • 고전적 난해성: 본 논문은 결맞는 양자 변환과 명시적인 고전적 변환 사이의 뚜렷한 격차를 확립한다.
    • 순방향 맵 (제1 $\to$ 제2)의 경우, 고전적 출력 크기는 $\Omega(D_{\max}(N, d))$이다. 여기서 $D_{\max}$는 서로 다른 점유 벡터의 개수이다. 이는 고정된 $N$에 대해 $d$의 $N$차 다항식이며, $d = \Theta(N)$일 때 $N$에 대해 지수적이다.
    • 역방향 맵 (제2 $\to$ 제1)의 경우, 영 심플리시파이어(Young symmetrizers)의 계수적 지지(factorial support)로 인해 고전적 출력 크기는 보존 및 페르미온 섹터에서 $\Omega(N!)$이다.
• 샘플링 난해성: 저자들은 약속된 입력에 대해 유도된 점유수 분포를 위한 효율적인 고전적 샘플러가 존재한다면 $BQP \subseteq BPP$임을 시사하는 것을 증명함으로써, 변환 작업이 계산적으로 강력하며 고전 컴퓨터로 명시적으로 시뮬레이션하기 어려울 가능성이 높음을 보여준다.

결과 및 주장

• 효율성: 저자들은 양자 컴퓨터가 다항식 자원을 사용하여 양자 메모리에 변환된 상태를 준비할 수 있음을 입증했다. 반면, 명시적인 계수 목록을 생성하는 모든 고전적 알고리즘은 $N$에 대해 지수적이거나(보존의 경우) $d$에 대한 높은 차수의 다항식 비용을 지불해야 한다.
• 모듈성: 변환 $Q$는 "표현 라우터(representation router)" 역할을 한다. 이를 통해 양자 워크플로우는 특정 서브루틴(예: $N \ll d$일 때 상태 준비에 유리한 제1양자화, 입자 수 유연성이 필요한 동역학에 유리한 제2양자화)에 따라 가장 효율적인 표현을 활용하고, 결맞게 전환할 수 있다.
• 범용성: 순수 페르미온 화학과 같은 특정 통계에 집중된 이전 연구들과 달리, 이 구축은 "통계 불가지론적"이다. 정준 GT 약속이 충족되는 한 파라통계도 자연스럽게 처리한다.
• 한계: 저자들은 특정 통계(예: 순수 페르미온 화학)를 알고 있는 경우, 특화된 변환기(참조 [23, 24] 등)가 상수 인자나 특정 점근적 영역에서 더 효율적일 수 있음을 인정한다. 제안된 $Q$는 범용성과 모듈성을 위해 일부 효율성을 희생한다.

의의
본 논문은 제1양자화와 제2양자화 사이의 동등성을 단순한 장부 기록 작업에서 표현론에 근거한 **운영적 프리미티브(operational primitive)**로 재정의한다. 점유수 표현을 제1양자화의 군-푸리에 기저로 식별함으로써, 저자들은 결맞는 표현 변경을 위한 엄밀한 수학적 토대를 제공한다. 이는 상태 준비, 진화, 측정 등 특정 작업에 따라 인코딩을 동적으로 최적화하면서도 결맞음을 유지하거나 상태의 고전적 재합성(re-synthesis)을 요구하지 않는 모듈형, 결함 허용 양자 시뮬레이션 전략을 가능하게 한다. 또한 본 연구는 근본적인 복잡도 이론적 장벽을 강조한다: 양자 컴퓨터는 이러한 표현들 사이를 효율적으로 탐색할 수 있지만, 그 결과를 고전적으로 명시화하는 것은 매우 어렵다는 점은 다체 시뮬레이션 워크플로우에서 양자 우위의 잠재력을 강화한다.