An Iterative Dual-Channel Neural Quantum State Algorithm for Selected Configuration Interaction

기술 요약: 선택적 구성 상호작용을 위한 핸드오버 반복 신경 양자 상태 (HI-NQS)

문제 정의
강하게 상관된 계(strongly correlated systems)에 대해 전자 슈뢰딩거 방정식을 정확하게 푸는 것은 구성 공간(configuration space)의 지수적 성장으로 인해 어려움을 겪으며, 이로 인해 전범위 구성 상호작용(Full Configuration Interaction, FCI)은 매우 작은 활성 공간을 제외하고는 실행 불가능해집니다. 선택적 구성 상호작용(Selected Configuration Interaction, SCI) 알고리즘은 적응적으로 조밀한 결정론적 전개(determinantal expansions)를 구축함으로써 이 문제를 해결합니다. 그러나 이들의 효율성은 화학적으로 중요한 구성을 식별하는 데 사용되는 샘플링 전략의 품질에 의해 제한됩니다. 기존 방법들은 다음과 같은 특정 병목 현상에 직면해 있습니다: 고전적 SCI 변형(예: CIPSI)은 후보 풀의 조합론적 성장과 부분 공간 대각화에서의 3차 스케일링 문제를 겪습니다; 양자 접근 방식(예: VQE)은 현재 측정 오버헤드와 노이로스로 인해 규모 확장 측면에서 비실용적입니다; 그리고 기존의 신경 양자 상태(Neural Quantum State, NQS) 방법들은 종종 외부 정확도 앵커(external accuracy anchor)가 부족하거나 페르미온 스핀 구조를 명시적으로 인코딩하지 못하여 서브옵티멀한 샘플링 효율성을 보입니다.

방법론: HI-NQS 알고리즘
저자들은 샘플 기반 양자 대각화(Sample-Based Quantum Diagonalization, SQD)의 반복적인 샘플-대각화-업데이트 프레임워크 내에 고전적으로 훈련된 자기회귀 트랜스포머 NQS를 내장한 순수 고전적 접근 방식인 HI-NQS 알고리즘을 제안합니다. 이 알고리즘은 다섯 가지 주요 단계로 구성된 폐쇄형 피드백 루프를 통해 작동합니다:

1. 이중 채널 자기회귀 샘플링: 파동함수는 스핀 분해 조건부 확률을 통해 Born 분포 $\pi_\theta(x)$를 인수분해하는 트랜스포머 아키텍처에 의해 모델링됩니다.

   • 아키텍처: 스핀-$\alpha$와 스핀-$\beta$ 스트림을 분리하는 이중 채널 설계를 사용합니다. $\alpha$-스트림은 스핀 업(spin-up) 조건부를 생성하기 위해 인과적 셀프 어텐션(causal self-attention)을 사용합니다. $\beta$-스트림은 인과적 셀프 어텐션과 전체 $\alpha$-구성($H_\alpha$)에 대한 **교차 어텐션(cross-attention)**을 교차하여 사용합니다. 이는 이전의 단일 스트림 인코딩 방식과 달리, 반대 스핀 간의 상관관계를 아키텍처적 귀납 편향(inductive bias)으로서 명시적으로 인코딩합니다.
   • 샘플링: 구성들은 엄격한 입자 수 제약 조건 하에서 정확한 조상 샘플링(ancestral sampling)을 통해 추출되며, 이를 통해 마르코프 체인 혼합(Markov-chain mixing) 없이 편향되지 않은 샘플을 보장합니다.

2. 하이브리드 후보 생성: 후기 반복 단계에서 자기회귀 샘플러의 모드 붕괴(mode collapse)를 방지하기 위해, 알고리즘은 확률적 NQS 제안과 결정론적 고전적 전개를 결합합니다. 이 전개는 현재 기저의 주요 결정론들의 단일 및 이중 들뜸(single and double excitations)을 열거하여, 높은 진폭 영역의 해밀토니안 연결 근방에서 신선한 구성들을 지속적으로 공급하도록 보장합니다.

3. 섭동론적 점수 산정 및 기저 업데이트: 후보들은 에프스타인-네스벳 2차 섭동 이론(Epstein–Nesbet PT2) 중요도 척도 $s(x) = |\langle x|\hat{H}|\Psi_0\rangle|^2 / |E_0 - H_{xx}|$를 사용하여 순위가 매겨집니다. 누적된 기저는 상위 순위의 구성들을 유지함으로써 업데이트됩니다.

4. 부분 공간 대각화: 선택된 기저 내의 투영된 해밀토니안은 바닥 상태 에너지 $E_0$와 고유 벡터 $\Psi_0$를 얻기 위해 정확하게 대각화됩니다(Davidson 고유값 솔버 사용). 이 단계는 변분 상한(variational upper bound)을 제공하며, 고전적 정확한 대각화로의 "핸드오버(handover)" 역할을 합니다.

5. 지도 학습 증류 (Teacher-Student 루프): 결과물인 고유 벡터 $\Psi_0$는 NQS로 증류됩니다. 네트워크는 에너지를 직접 최소화하는 대신, $|\Psi_0|^2$의 인수분해된 스핀 주변부(spin-marginals)($p_\alpha(\sigma_\alpha)p_\beta(\sigma_\beta)$)로부터 유도된 **교사 신호(teacher signal)**를 포함하는 복합 손실 함수를 통해 훈련됩니다. 이 지도 학습 손실은 정책 경사(policy-gradient) 및 엔트로피 정규화 항과 결합되어, 네트워크 파라미터를 정확한 부분 공간 고유 벡터에 더 잘 근사하도록 업데이트합니다.

주요 기여

• 이중 채널 아키텍처: 페르미온의 $\alpha/\beta$ 분리를 학습된 특징이 아닌 구조적 사전 지식으로 취급하는, 스핀 업과 스핀 다운 스트림 간의 명시적 교차 어텐션을 갖춘 트랜스포머를 도입했습니다.
• 인수분해된 감독 (Factorized Supervision): 인수분해된 스핀 주변부를 사용하여 정확한 부분 공간 고유 벡터를 NQS로 증류함으로써, 이중 채널 아키텍처와 일치하는 능동적인 지도 학습 경로를 생성합니다.
• 하이브리드 샘플링 전략: 모드 붕괴를 방atically 방지하고 해밀토니안 연결 공간의 커버리지를 보장하기 위해 결정론적 단일/이중 들뜸을 자기회귀 샘플링과 통합했습니다.
• 순수 고전적 확장성: 양자 컴퓨팅 자원 없이 GPU 하드웨어 상에서 완전히 구현된 고성능, 확장 가능한 SCI 솔버를 달성함으로써 순수 고전적 성능을 입증했습니다. 이는 이전에 양자 맥락에서 탐구되었던 "핸드오버(HI-VQE)" 원칙을 활용합니다.

결과
저자들은 18개의 시스템에 대해 CIPSI-SCI 및 정확한 FCI(또는 고정밀 SHCI 프록시)를 대상으로 HI-NQS를 벤치마킹했습니다:

• 정확도: HI-NQS는 10개의 작은 분자와 12에서 40 큐비트에 이르는 8개 지점 질소 활성 공간 시리즈(CAS(6,6) ~ CAS(14,20))를 포함한 18개 테스트 시스템 모두에서 화학적 정확도($|E - E_{ref}| < 1.6$ mHa)를 달성했습니다.
• 결정론적 개수 스케일링: 이 방법은 큐비트 수에 따른 결정론 수($N_{det}$)에 대해 로그 선형 스케일링 지수 $\alpha_{NQS} = 0.089 \pm 0.011$을 나타냈습니다. 이는 CIPSI-SCI의 스케일링($\alpha_{CIPSI} = 0.180$)의 약 절반이며, 전체 CASCI($\alpha_{CASCI} = 0.262$)의 1/3 수준입니다.
• 효율성 이득: 가장 큰 테스트 활성 공간(CAS(14,20), 40 큐비트)에서, HI-NQS는 화학적 정확도에 도달하기 위해 CIPSI-SCI보다 약 200배 적은 결정론을 필요로 했습니다. 이 이점은 시스템 크기에 따라 복리로 증가하며, 작은 활성 공간(CAS(6,6))에서의 동등한 수준에서 CAS(14,20)에서의 약 $\sim 200\times$ 차이로 성장합니다.
• 파레토 최적성 (Pareto Optimality): 18개 시스템 중 13개에서 HI-NQS는 CIPSI-SCI와 비교하여 더 적은 결정론을 사용하면서도 동등하거나 더 나은 정확도를 달성하며 파레토 우위를 점했습니다.

의의 및 주장
본 논문은 생성적 샘플러가 페르미온 스핀 구조에 부합하는 귀납 편향을 가질 때 섭동론적으로 정렬된 SCI 방법보다 기저의 압축성 측면에서 앞설 수 있음을 입증함으로써, 순수 고전적 선택적 구성 상호작용의 새로운 표준을 확립한다고 주장합니다. 저자들은 선택적-CI와 신경 양자 상태 사이의 격차가 원리가 아닌 아키텍처의 문제라고 단언합니다. 생성적 샘플링과 정확한 대각화 사이의 피드백 루프를 성공적으로 닫음으로써, HI-NQS는 미래의 하이브리드 고전-양자 워크플로우(예: 양자 대각화를 위한 웜 스타트)에 대한 직접적인 인터페이스를 유지하는 동시에, 강하게 상관된 양자 화학을 위한 확장 가능한 솔루션을 제공합니다. 이 결과는 이 방법이 전이 금속 화학(예: Fe–S 클러스터, Cr$_2$)에 필요한 것처럼 결정론적 꼬리(determinant tail)의 조합론적 성장이 가장 강력한 훨씬 더 큰 활성 공간으로 확장될 수 있음을 시사합니다.