Finite size scaling of bitstring probability distributions for Rydberg arrays

기술 요약: 리드베리 배열의 비트스트링 확률 분포에 대한 유한 크기 스케일링

문제 정의
입자, 핵, 응집 물질 물리학의 양자 시뮬레이션에서 통계적 정확도를 확보하기 위해서는 방대한 양의 측정(shots)이 필요합니다. 시뮬레이션되는 시스템 크기($N_q$, 큐비트 수)가 증가함에 따라 가능한 비트스트링 상태의 수는 기하급수적으로 증가하며, 이로 인해 개별 상태의 확률($p_{\{n\}}$)은 감소하고 저확률 영역에서 더욱 조밀해집니다. 이는 다음과 같은 중요한 질문을 제기합니다: 개별 확률의 미세함이 그 압도적인 숫자에 의해 보상될 수 있는가, 그리고 더 큰 시스템에서 원하는 통계적 정확도를 달alu하기 위해 필요한 최소 샷 수는 얼마인가? 선행 연구들은 대규모 분포를 통해 시스템을 특징짓는 것이 구조적 거동을 드러낼 수 있다고 시사하지만, 리드베리 원자 배열에서의 비트스트링 확률에 대한 명시적인 스케일링 법칙은 아직 완전히 정량화되지 않았습니다.

방법론
저자들은 래더(ladder) 형태(수직-수평 간격 비율 $\rho=2$인 두 줄 구조)로 배열된 리드베리 원자 배열을 조사합니다. 이 시스템은 라비 주파수($\Omega$), 디튜닝($\Delta$), 그리고 반데르발스 상호작용($V_{ij}$)을 포함하는 해밀토니안으로 기술됩니다.

확률 분포를 분석하기 위해, 저자들은 밀도 행렬 재정규화 그룹(DMRG) 방법을 통한 행렬 곱 상태(Matrix Product States, MPS)를 활용합니다. 저자들은 4개에서 22개 런지(최대 44개 원자)에 이르는 시스템에 대한 비트스트링 확률($p_{\{n\}}$) 딕셔너리를 생성합니다. 분석의 핵심은 다음과 같이 정의되는 누적 확률 분포입니다:
$$\Sigma(p_\Lambda, N_q) = \sum_{\{n\}: p_{\{n\}} \leq p_\Lambda} p_{\{n\}}$$
이 함수는 임계값 $p_\Lambda$보다 작거나 같은 확률을 가진 모든 상태의 총 확률을 나타냅니다. 저자들은 다양한 시스템 크기($N_q$)와 총 샷 수($N_{sh} = 10^9$)에 따른 $\Sigma$의 스케일링 거동을 분석합니다.

주요 기여 및 결과

1. 유한 크기 스케일링 및 곡선 붕괴(Curve Collapse):
   저자들은 서로 다른 시스템 크기에 대한 누적 확률 분포가 특히 $0.2 < \Sigma < 0.8$ 범위에서 "반복적인 거동"을 보임을 입증합니다. 특성 확률 $p^*$ (분포가 고정된 $\Sigma$ 값에 도달하는 지점)를 식별하고 독립 변수를 $(p_\Lambda/p^*)^B$ (여기서 $B$는 선형 영역의 기울기)로 재조정함으로써, 다양한 $N_q$에 대한 분포를 하나의 보편적인 곡선으로 붕괴(collapse)시킵니다.

2. 페르미-디락 유사성 (영역 II):
   분포의 중앙 영역(영역 II)에서, 붕괴된 곡선은 페르미-디락 통계 분포와 매우 유사합니다. 저자들은 $\Sigma(p_\Lambda)$가 다음과 같이 근사될 수 있음을 보여줍니다:
   $$\Sigma \simeq \frac{1}{1 + e^{\beta(\epsilon - \mu)}}$$
   여기서 $\epsilon = -\ln(p_\Lambda)$이고 $\mu = -\ln(p^*)$입니다. 이 비유를 통해 "변곡점"($\Sigma = 1/2$인 지점, $p^*_{1/2}$로 표기)을 특징지을 수 있습니다. $p^*_{1/2}$의 시스템 크기에 따른 스케일링은 지수적으로 나타나며, 이는 $N_q$가 증가함에 따라 확률 질량이 방대한 수의 상태에 걸쳐 더욱 균일하게 분포됨을 의미합니다.

3. 최대 확률의 스케일링 (영역 I):
   고확률 상태인 영역 I에서, 저자들은 최대 단일 상태 확률($p_{\max}$)을 추적합니다. 저자들은 $p_{\max}$가 시스템 크기에 따라 지수적으로 스케일링됨($p_{\max} \sim 2^{-N_q}$)을 확인합니다. 이는 최소 해상 가능 확률이 $1/N_{sh}$에 의해 제한되므로, 주어진 샷 수에 대해 접근 가능한 시스템 크기에 대한 근본적인 한계를 설정합니다.

4. 저확률 및 단일 발생 상태 (영역 III & IV):

   • 영역 III: 더 낮은 확률에서, 분포는 로그-로그 스케일로 플롯했을 때 멱법칙(power-law) 형태 $\Sigma(p_\Lambda) \simeq A p_\Lambda^B$를 따릅니다. 저자들은 이곳의 거동이 유한한 샷 수($10^9$)에 의해 크게 영향을 받으며, 이로 인해 $p \approx 10^{-9}$에서 하드 컷오프(hard cutoff)가 발생함을 언급합니다.
   • 영역 IV: 이 영역은 단일 발생 상태들의 "꼬리(tail)"를 나타냅니다. 저자들은 정확히 한 번 관측된 상태의 수를 정량화하였으며, 이 숫자가 시스템 크기에 따라 증가하지만 전체 힐베르트 공간 차원($2^{N_q}$)보다는 느리게 증가함을 보여줍니다.

5. 필요 샷 수 추정:
   $p^*_{1/2}$와 $p_{\max}$의 스케일링을 분석함으로써, 저자들은 향후 시뮬레이션을 위한 샷 요구 사항을 추정합니다.

   • $p_{\max}$ 스케일링에 근거할 때, $10^9$ 샷으로 약 120 큐비트의 시스템 크기를 시뮬레이션할 수 있습니다.
   • $p^*_{1/2}$ 스케일링(누적 확률이 0.5에 도달하는 지점)에 근거할 때, 동일한 샷 수에 대한 특정 정확도의 한계는 약 60 큐비트로 추정됩니다.

의의 및 주장
본 논문은 더 작은, 계산적으로 접근 가능한 시스템의 누적 확률 분포를 분석함으로써 대규모 양자 시스템에 필요한 샷 요구 사항을 예측하는 방법을 제공한다고 주장합니다. 주요 의의는 $p^*_{1/2}$와 $p_{\max}$를 통해 정량화된, 시스템 크기 증가와 관련된 **지수적 비용(exponential cost)**을 식별한 데 있습니다.

그러나 저자들은 결론을 내림에 있어 신중한 태도를 보이며, 비용이 지수적이기는 하지만 시스템 크기 증가율의 일부 수준에서 증가한다는 점을 언급합니다. 따라서 이는 장치 사용에 대한 "강제적인 상한(hard cap)"을 설정하는 것이 아니라, "자원의 지능적 사용"을 독려하는 것입니다. 본 연구는 제안된 붕괴(collapse) 및 페르미-디락 비유를 통해 더 큰 시스템의 거동이 더 작은 시스템의 분포로 설명될 수 있음을 확립하였으며, 이는 통계적 오차와 점점 더 커지는 리드베리 배열 시뮬레이션의 타당성을 추정할 수 있는 도구를 제공합니다.