Efficient classical simulation of two-dimensional long-range systems: Rydberg arrays and beyond

기술 요약: 2차원 장거리 계의 효율적인 고전 시뮬레이션

문제 정의
변분 몬테카를로(Variational Monte Carlo, VMC)는 양자 시뮬레이터를 벤치마킹하기 위한 주요 도구이며, 특히 장거리 상호작용(예: $1/r^3$ 또는 $1/r^6$ 결합을 갖는 리드베리 원자 배열)이 존재하는 2차원(2D) 계에 유용합니다. 그러나 임의의 전방위적 모든 쌍(all-to-all) 이체 상호작용을 갖는 시스템에서 "국소 에너지"($H_{\text{loc}}$)를 평가하는 데 있어 상당한 계산적 병목 현상이 존재합니다.

• 표준 VMC에서 텐서 네트워크 상태(TNS)의 샘플링 비용은 $O(N)$이고 신경 양자 상태(NQS)의 경우 $O(N^2)$이지만, 장거리 비대각 결합을 갖는 경우 $H_{\text{loc}}$를 평가하기 위해 $O(N^2)$개의 비국소 항을 합산해야 합니다.
• 각 항을 계산하는 데 전체 네트워크 평가에 $O(N)$ 시간이 소요되므로, 몬테카를로(MC) 스윕당 총 비용은 $O(N^3)$으로 스케일링됩니다. 이러한 3차 스케일링은 $10 \times 10$ 격자와 같은 대규모 2D 장거리 시스템의 정확한 고전 시뮬레이션을 불가능하게 만듭니다.
• 또한, 제품 상태(product states, TNS에서 흔히 나타나는 현상)로부터 TNS를 진화시킬 때 기술적인 병리 현상이 발생합니다. 결합 차원(bond dimension)이 1보다 큰 경우, 양자 기하 텐서(Quantum Geometry Tensor, QGT)가 영 방향(null directions)을 생성하여 시간 의존 변분 원리(TDVP) 방정식이 특이해집니다(singular).

방법론
저자들은 국소 에너지 평가의 계산 복잡도를 $O(N^3)$에서 $O(N)$으로 줄이면서도 일반적인 불균일 결합 및 실제적인 기하학적 구조를 다룰 수 있도록 설계된 적응형 기저 텐서 네트워크 tVMC 프레임워크를 소개합니다.

1. 적응형 기저 샘플링 (Adaptive Basis Sampling):

   • 단일 고정 기저(예: $z$-기저)에서 샘플링하는 대신, 해밀토니안을 특정 기저에서 대각화되는 성분들로 분해합니다.
   • 디폴라(dipolar) XY 모델($H = H_{XY} + H_Z$)의 경우, 진화를 $H_X$($x$-기저에서 대각인 성분)와 $H_Y + H_Z$($y$-기저에서 대각인 성분)로 나눕니다.
   • 두 개의 독립적인 마르코프 체인이 유지됩니다. 하나는 $|\langle x|\psi_\theta\rangle|^2$로부터 샘플링하고, 다른 하나는 $|\langle y|U|\psi_\theta\rangle|^2$로부터 샘플링하며, 여기서 $U$는 기저 변환 연산자입니다.
   • 특정 기저 내에서는 장거리 비대각 결합이 사라지므로, 각 성분에 대한 국소 에너지 평가는 $O(N)$이 됩니다.
   • 파라미터 업데이트는 각 기저에 대해 별도로 계산된 후($\dot{\theta}_X$ 및 $\dot{\theta}_Y$), $\dot{\theta} = \dot{\theta}_X + U^\dagger \dot{\theta}_Y$를 통해 결합됩니다.

2. 제품 상태 초기 조건 처리:

   • 제품 상태에서 시작할 때(결합 차원 $D > 1$인 경우) 발생하는 QGT의 특이성을 해결하기 위해, 저자들은 초기 타임 스텝에 투영된 tVMC (p-tVMC) 접근 방식을 채택합니다.
   • 특이한 TDVP 방정식을 푸는 대신, 첫 번째 단계($\delta t$)는 시간 진화 연산자의 2차 확장을 나타내는 $V$에 대한 충실도(fidelity) $|\langle \psi_\theta | V | \psi(0) \rangle|^2$를 최대화함으로써 결정됩니다.
   • 이 최적화는 초기 상태가 제품 상태이기 때문에 샘플링 분포 $|\langle s|V|\psi(0)\rangle|^2$를 계산적으로 다루기 쉬워 매우 효율적입니다. 이 초기 단계를 거친 후, 표준 tVMC가 재개됩니다.

3. 대칭성 활용:

   • 이 프레임워크는 TNS 안사츠(ansatz)에서 격자 대각선을 따른 반사 대칭을 명시적으로 부과합니다. 이는 독립적인 변분 파라미터의 수를 4분의 1로 줄여 GPU 메모리 요구 사항을 크게 완화하고 파라미터 업데이트의 분산을 감소시킵니다.

주요 결과
이 방법은 최근의 리드베리 실험(Chen 등, Nature 2023)에서 구현된 $10 \times 10$ 디폴라 XY 모델의 단열 실시간 프로토콜을 시뮬레이션하는 데 적용되었으며, 이는 기존에는 고전적 시뮬레이션이 불가능했던 시스템 크기입니다.

• 벤치마킹: $4 \times 4$ 시스템에서 TNS-tVMC 결과(결합 차원 $D=4, 5$)는 정확한 대각화(exact diagonalization) 결과와 체계적으로 수렴하였으며, 구동된 완화 역학(driven relaxation dynamics)과 빠른 진동을 정확하게 재현했습니다.
• $10 \times 10$ 시뮬레이션:
  • 시뮬레이션은 에너지 진화를 추적하여, 시스템이 바닥 상태 에너지보다 약간 높은 근접 정상 상태 플래토(near-steady plateau)로 완화되는 것을 보여주었습니다.
  • 반강자성(AFM) 상관관계: 본 연구는 원래 실험에서 관찰된, 동적으로 준비된 상태가 바닥 상태 MPS 계산에 비해 장거리 AFM 상관관계가 억제되어 나타난 불일치 문제를 다루었습니다.
  • 저자들의 이상적인 역학 시뮬레이션(더 큰 디튜닝 $\delta_0 = 19.48$에서 시작하는 완벽한 닐(Néel) 상태)은 규정된 단열 램프(adiabatic ramp)가 변분 바닥 상태와 일치하는 공간적으로 확장된 AFM 상관관계를 실제로 생성함을 보여주었습니다.
  • 이는 관찰된 억제 현상이 단열 프로토콜 자체의 내재적 실패라기보다는, 실험적 결함(예: $10 \times 10$ 배열에서 최적의 $\delta_0$를 사용하는 것을 방해하는 제한된 레이저 출력) 때문일 가능성이 높음을 시사합니다.
• 수렴성: 결과는 샘플 크기($N_s = 81,920$ 대 $163,840$)에 대해 견고한 수렴성을 보여주었으며, 이를 통해 적응형 기저 접근 방식의 신뢰성을 확인했습니다.

의의 및 주장
본 논문은 현재 절실히 필요한 도구인, 장거리 양자 플랫폼(특히 리드베리 및 이온 트랩 시뮬레이터)을 위한 확장 가능한 고전 벤치마킹 도구를 제공한다고 주장합니다.

• 기술적 성취: 본 연구는 $O(N^3)$ 병목 현상을 해결하여, $O(N)$의 MC 스윕 비용으로 2D 장거리 시스템의 실시간 역학 및 바닥 상태를 정확하게 시뮬레이션할 수 있게 했습니다.
• 병리 현상 해결: 제품 상태로부터 TNS를 진화시킬 때 발생하는 문제를 해결하는 견고한 솔루션을 제공합니다.
• 과학적 영향: $10 \times 10$ 리드베리 실험에 대한 직접적인 고전적 참조를 제공함으로써, 실험 결과와 이론적 바닥 상태 예측 사이의 불일치 성격을 명확히 했습니다. 이는 이상적인 단열 프로토콜이 기대되는 장거리 질서를 생성할 수 있음을 입증하며, 실험 최적화의 초점을 구현상의 결함으로 전환시켰습니다.
• 향ical 전망: 저자들은 이 방법을 텐서 네트워크가 얽힘 성장(entanglement growth)으로 인해 감당하기 어려워지기 전, 흥미로운 물리적 설정을 식별하기 위해 고전 시뮬레이션이 가이드 역할을 할 수 있는 '고전-양자 협업'의 가교로 위치시킵니다. 또한 이 방법은 다른 수치적 방법들이 어려움을 겪는 부호 문제(sign problem)가 있는 2D 장거리 시스템을 연구하는 새로운 경로가 될 수 있습니다.