Dynamical structure factor with a pumping approach on a trapped-ion quantum computer

기술 요약: 트랩 이온 양자 컴퓨터를 이용한 펌핑 접근 방식의 동적 구조 인자 측정

문제 정의
동적 구조 인자(Dynamical Structure Factor, DSF)로 표기되는 $S(q, \omega)$는 물질의 중성자 산란에 대한 응답을 설명하는 결정적인 물리량이다. 이는 동적 상관 함수 $\langle O(x, t)O(0, 0) \rangle$의 시공간 푸리에 변환으로 정의된다. DSF를 계산하는 것은 고전 컴퓨터에게 매우 도전적인 과제인데, 이는 기저 상태 또는 열적 상태의 표현을 찾는 것과 해밀토니안 역학을 시간 영역에서 시뮬레이션하는 작업 모두가 필요하며, 이 작업은 일반적으로 BQP-hard(양자 컴퓨터로 효율적으로 해결 가능한 복잡도)로 간주되기 때문이다. 양자 컴퓨터는 유한 온도 상태를 준비하고 효율적인 해밀토니안 역학을 수행할 수 있는 경로를 제공하지만, 기존의 $S(q, \omega)$ 계산 알고리즘은 대개 많은 이산 시간 지점에서의 동적 상관 관계를 계산한 후 푸리에 변환을 수행하는 방식에 의존한다. 이러한 방식은 특정 주파수 값들만이 관심 대상인 경우에도 상당한 샷 오버헤드(shot overhead)를 발생시킨다.

방법론: 펌핑 접근 방식 (The Pumping Approach)
저자들은 시간 영역의 상관 관계를 계산하여 푸리에 변환을 수행할 필요 없이, 타겟 주파수 $\omega$를 직접 겨냥하는 "펌핑 접근 방식"을 도입한다. 이 방법의 핵심은 타겟 주파수에서 진동하는 소스 항에 의해 섭동된 시간 의존 해밀토니안을 사용하여 시스템을 평형 상태에서 벗어나게 하는 것이다.

1. 해밀토니안 설정: 시스템 해밀토니안 $H$와 관측량 $O$가 주어졌을 때, 저자들은 다음과 같은 시간 의존 해밀토니안을 정의한다:
   $$H(t) = H - \epsilon O(0) \sin(\omega(T - t))$$
   여기서 $\epsilon$은 결합 상수이고 $T$는 최종 진화 시간이다.
2. 측정 프로토콜: 시스템은 초기 평형 상태(예: 기저 상태)로부터 이 시간 의존 해밀토니안을 따라 진화한다. 시간 $T$에서 운동량 공간 연산자 $\hat{O}_q$의 기댓값이 측정된다.
3. DSF 추출: $+\epsilon$ 결합과 $-\epsilon$ 결합을 사용하여 시스템을 측정함으로써, 열적 상태의 상세 균형(detailed balance) 관계를 활용한 1차 전개를 통해 다음과 같이 DSF를 추출한다:
   $$S(q, \omega) \approx \frac{\langle \hat{O}_q(T) \rangle_\epsilon - \langle \hat{O}_q(T) \rangle_{-\epsilon}}{\epsilon(1 - e^{-\beta\omega})}$$
4. 구현 세부 사항:
   • 상태 준비: 1D 하이젠베르크 모델의 경우, 기저 상태는 아디아바틱 영감을 받은 안사츠(ansatz)를 사용하여 준비된다. 시스템은 네엘(Néel) 상태에서 시작하여, 격자 자기장 해밀토니안과 하이젠베르크 해밀토니안 사이의 선형 보간을 통해 진화한다. 파라미터는 20개 사이트 체인에 대한 상태 벡터 시뮬레이션을 통해 클래식하게 최적화된 후 하드웨어에 적용된다.
   • 시간 진화: 시간 진화 연산자는 트로터 분해(Trotter decomposition)를 사용하여 근사된다. 회로는 순차적인 단일 큐비트 및 2-큐비트 게이트(구체적으로 Quantinuum 하드웨어의 TK2 게이트)로 구성된다.
   • 정규화: $T \to \infty$는 실현 불가능하므로 유한한 $T$를 사용하며, 이는 실제 DSF를 sinc 함수와 컨볼루션시켜 결과를 부드럽게 만들지만 잠재적으로 가짜 특징(spurious features)을 도입할 수 있다.

주요 기여

• 직접적인 주파수 타겟팅: 주요 기여는 양자 컴퓨터가 전체 시간 영역을 샘플링하는 비용을 피하면서 임의의 특정 주파수 $\omega$를 직접 타겟팅할 수 있게 하는 방법론을 제시한 것이다.
• 샷 효율성: 저자들은 몇 개의 주파수 값만을 필요로 하는 시나리오에서 이 방식이 시간 영역 상관 관계 측정을 요구하는 방법들에 비해 상당한 샷 오버헤드 감소 효과가 있음을 입증했다.
• 하이브리드 구현: 본 연구는 Fugaku–Reimei 하이브리드 양자-HPC 환경 내에서 Quantinuum Reimei 트랩 이온 양자 컴퓨터를 이용한 완전한 구현을 보여준다. 상태 준비 파라미터의 클래식 최적화는 Fugaku 슈퍼컴퓨터에서 수행되며, 양자 회로는 Reimei에서 실행된다.

결과
저자들은 두 가지 사례를 통해 방법을 검증했다:

1. 1D 하이젠베르크 모델 (20 사이트): 20개 사이트 체인에 대해 DSF를 계산하고 이를 노이즈 없는 시뮬레이션과 비교했다. 하드웨어 결과는 노이즈 제거 기술 없이도 노이즈 없는 시뮬레이션과 매우 잘 일치함을 보여주었다.
2. 황산 구리 결정 ($CuSO_4$): 1D 하이젠베르크 모델은 황산 구리 결정의 자기적 들뜸(magnetic excitations)을 설명하는 것으로 알려져 있다. 계산된 DSF를 실험적인 중성자 산란 데이터와 비교했다. 양자 하드웨어의 결과는 실험 데이터와 매우 잘 일치했다.

사용된 구체적인 파라미터는 시스템 크기 $L=20$, 트로터 스텝 크기 $dt=0.24$, 총 진화 시간$T=2.4$, 결합 상수$\epsilon=2$이다. 기저 상태 준비에는 최적화된 안사츠의 단일 라운드($R=1$)가 사용되었다. 연구에서는 단일 레이어의 안사츠를 사용하는 것이 게이트 수 감소 덕분에 두 레이어를 사용하는 것보다 실제 기저 상태 결과와의 편차가 더 작았음을 언급했다.

의의 및 주장
본 논문은 이 펌핑 접근 방식이 근미래 양자 하드웨어에서 동적 구조 인자를 계산하기 위한 실용적이고 효율적인 경로를 제공한다고 주장한다. "중성자 산란 실험의 토이 모델 버전"을 직접 시뮬레이션함으로써, 이 방법은 복잡한 실시간 상관 관계 계산의 필요성을 우회한다.

저자들은 이 프로토콜이 핵자기 공명(NMR) 시뮬레이션을 포함하여 중성자 산란 너머로 확장될 수 있는 잠재력을 강조한다. NMR에서 스펙트럼은 종종 특정 주파수에 날카롭게 국소화되는데, 이 방법은 긴 시간 영역의 감쇠를 샘플링하는 대신 고정된 주파수를 샘플링함으로써 상당한 실행 시간 절감을 제공할 수 있다.

확장성과 관련하여, 저자들은 현재의 양자 우위에 대해 신중한 태도를 취한다. 이번 연구의 상태 준비가 정확한 상태 벡터 시뮬레이션으로부터 도출된 클래식하게 최적화된 안사츠에 의존했음을 인정하며, 이는 양자 우위가 존재하지 않는 영역임을 밝힌다. 그러나 저자들은 이들의 DSF 알고리즘을 하이브리드 프레임워크 내에서 확장 가능한 클래식 상태 준비 방법(예: Sparse Pauli Dynamics 또는 DMRG를 통한 Matrix Product States)과 결합함으로써, 상태 준비와 구조 인자 계산의 결합된 과제가 클래식 컴퓨터만으로는 어려워지는 영역에 도달할 수 있다고 제안한다.