HamQASBench: A Hamiltonian-Informed Diagnostic Benchmark for Evaluating Quantum Architecture Search

기술 요약: HAMQASBench: 양자 아키텍처 탐색 평가를 위한 해밀토니안 정보 기반 진단 벤치마크

문제 정의
양자 아키텍처 탐색(QAS)은 변분 양자 알고리즘, 특히 양자 화학에서 사용되는 변분 양자 고유값 솔버(VQE)를 위한 매개변수화된 양자 회로(PQC)의 설계를 자동화하는 것을 목표로 한다. 기존의 벤치마크들은 분자 인스턴스를 정체성이나 큐비트 수에 따라 분류하고 에너지 정확도만을 기준으로 평가하지만, 이러한 기준들은 기저에 깔린 해밀토니안 구조에 대해서는 무지하다. 결과적으로, 기존의 지표들은 근사 곱 상태(near-product ground states)에서의 과잉 매개변수화, 퇴화된 시스템에서의 직교 고유상태에 대한 고착, 또는 올바른 얽힘 구조를 인코딩하지 못하는 능력과 같은 구조적 실패를 감지하지 못한다. 이러한 한계는 특정 방법이 적절한 회로 토폴로지를 학습한 것인지, 아니면 단순히 유사한 에너지를 가진 낮은 에너지의 들뜬 상태를 찾아낸 것인지를 모호하게 만든다.

방법론
저자들은 평가를 분자 정체성이 아닌 **해밀토니안 구조적 지문(Hamiltonian structural fingerprints)**을 중심으로 구성하는 진단 벤치마크인 HAMQASBENCH를 소개한다. 이 벤치마크는 큐비트 해밀토니안의 세 가지 상호 보완적인 관점에 기초하여 11개의 분자를 다섯 가지 구조적 계층으로 분류한다:

1. 파울리 연산자 기저(Pauli Operator Basis): 대각 형태에 대한 근접성($r_Z$)과 다중 큐비트 상호작용의 가중치($r_{\ge 2}$)를 측정한다.
2. 계산 기저 표현(Computational Basis Representation): 거슈고린 원 정리(Gershgorin circle theorem) 원리를 사용하여 대각 우세성($G_1, G_2$)을 정량화한다.
3. 바닥 상태 상관 구조(Ground-State Correlation Structure): 스펙트럼 간격(에너지 갭), 퇴화 수준, 그리고 단일 큐비트 폰 노이만 엔트로피($S(q)$)를 특징지어 얽힘 분포를 매핑한다.

다섯 가지 진단 계층은 다음과 같다:

• 계층 1 (미니멀리즘, Minimalism): 불필요한 게이트 삽입을 테스트하기 위해 얽힘이 거의 없고 강하게 대각 우세성을 띠는 해밀토니안(예: BeH$_2$, LiH).
• 계층 2 (퇴화, Degeneracy): 퇴화된 바닥 상태를 가진 분자(예: CH$_2$)를 통해 일관된 구조로 수렴하는지 아니면 직교 고유상태 사이를 표류하는지를 평가한다.
• 계층 3 (표현, Representation): 복잡한 상태의 충실한 인코딩을 테스트하기 위해 높은 얽힘을 가진 강한 상관 관계 시스템(예: H$_2$ 신축, H$_2$O, H$_4$ 체인).
• 계층 4 (토폴로지, Topology): 상관 복잡도와 독립적으로 라우팅 능력을 평가하기 위해 하드웨어 연결성 제약(최근접 이웃 전용)이 있는 시스템.
• 계층 5 (확장성, Scalability): 얽힘을 제어하면서 8개에서 14개 큐비트로 증가하는 동일 계열의 사다리 구조(BeH$_2$)를 통해 검색 공간의 성장을 병목 현상으로 격리한다.

에너지 중심의 평가를 넘어서기 위해, 본 논문은 **사후 임계 구조 추출 절차(post-hoc critical-structure extraction procedure)**를 제안한다. 이 알고리즘은 반사실적 중요도 점수(counterfactual importance scoring)와 에너지 허용 오차 내에서 제한된 빔 탐색(beam search) 전략을 사용하여 저에러 훈련 단계 회로에서 중복된 게이트를 반복적으로 제거한다. 결과로 얻은 최소 회로는 다음을 통해 분석된다:

• 평균 절대 엔트로피 점수(Mean Absolute Entropy Score, MAES): 비퇴화 사례의 경우, 제거된 회로의 큐비트당 폰 노이만 엔트로피를 정확한 바닥 상태와 비교한다.
• 쌍별 상태 충실도(Pairwise State Fidelity): 회로를 충실도에 따라 클러스터링하여 고유상태 고착 패턴을 식별한다.

본 벤치마크는 네 가지 패러다임(강화 학습: CRLQAS, HYRLQAS; 미분 가능한 완화: QuantumDARTS; 훈련 프리 필터링: TFQAS; 생성 모델링: GQEQAS)에 걸쳐 다섯 가지 대표적인 QAS 방법을 평가한다. 모든 방법은 통합된 게이트 기저 $\{RX, RY, RZ, CNOT\}$로 표준화된다.

주요 결과
다섯 가지 계층에 걸친 벤치마킹은 기존의 에너지 지표로는 보이지 않는 실패 모드를 드러낸다:

• 미니멀리즘 (계층 1): 대부분의 방법이 화학적 정확도를 달성하지만, 상당한 구조적 중복성을 보인다. 예를 들어, QuantumDARTS 회로는 최소 2-게이트 구조와 비교하여 최대 93.8%의 중복성을 보였으며, 이는 에너지 지표로는 보이지 않는 차이이다.
• 퇴화 (계층 2): CRLQAS와 같은 방법은 화학적 정확도를 달성했지만, 서로 다른 무작위 시드가 퇴화된 바닥 상태의 직교 고유상태를 대상으로 구조적으로 구별되는 회로를 타겟팅하는 "고유상태 고착(eigenstate commitment)" 현상을 보였다. 에너지 지표만으로는 이러한 구조적 불일치를 가렸다.
• 표현 (계층 의 3): 강한 상관 관계 시스템에서 에너지 수렴이 올바른 얽힘 구조를 보장하지는 않았다. H$_2$O의 경우, 제거된 회로는 지배적인 얽힘은 포착했으나 약한 상관 관계는 놓쳤으며, 이는 에너지 실패 이전에 발생하는 구조적 실패를 나타낸다.
• 토폴로지 (계층 4): 선형 연결성을 강제했을 때 성능이 10배 이상 급격히 저하되었다. 분석 결과, 회로가 내부 큐비트에 게이트를 집중시켜 더 낮은 에너지 솔루션을 찾을 수는 있었지만, 해밀토니안이 요구하는 경계 상관 관계를 표현하는 데 체계적으로 실패했다.
• 확장성 (계층 5): 12 및 14 큐비트에서 성능이 급격히 저하되었다. 결정적으로, 이 실패는 얽힘 복잡성의 증가(낮게 유지됨) 때문이 아니라, 고차원 매개변수 공간($2^{14}$ 차원)에서의 검색 정책 불안정성과 옵티마이저 실패 때문이었다.

의의 및 주장
저자들은 HAMQASBENCH가 해밀토니안 구조적 특성에 근거하여 QAS 방법의 진단을 위한 원칙적인 토대를 제공한다고 주장한다. 본 논문의 주요 기여는 에너지 정확도가 구조적 올바름의 신뢰할 수 있는 대리 지표가 아님을 입증하는 것이다. 어떤 방법은 과잉 매개변수화된 회로를 통해, 혹은 직교 고유상태에 고착되거나 잘못된 얽힘 구조를 인코딩하면서도 에너지를 최소화함으로써 화학적 정확도를 달성할 수 있다. 에너지 지표와 직교하는 구조적 평가 계층을 도입함으로써, HAMQASBENCH는 과잉 매개변수화, 고유상태 고착, 토폴로지 유발 라우팅 실패와 같은 구체적인 실패 모드를 식별할 수 있게 하여, 더욱 견고하고 구조적으로 인식하는 QAS 알고리즘의 개발을 안내한다. 본 논문은 이러한 통찰력이 제시된 평가의 범위를 넘어 새로운 응용이나 미래의 이론적 함의를 제안하기보다는, 벤치마크 자체의 진단 능력으로부터 도출되었음을 강조한다.