Quantum Imaginary Time Evolution on an Infinite 1D Chain

기술 요약: 무한 1차원 체인에서의 양자 허수 시간 진화(Quantum Imagary Time Evolution)

문제 정의
노이즈가 있는 중규모 양자(NISQ) 장치의 등장은 양자 다체계(quantum many-body systems) 시뮬레이션에 대한 관심을 불러일으켰습니다. 실시간 진화(예: TEBD, TDVP)를 위한 알고리즘은 양자 게이트의 유니터리 성질을 활용하여 양자 회로로 성공적으로 적응되었으나, **허수 시간 진화(ITE)**를 확장하는 것은 여전히 어려운 과제로 남아 있습니다. ITE 연산자 $e^{-H\tau}$는 비유니터리(non-unitary)하며, 이는 표준 유니터리 양자 게이트와 호환되지 않습니다. 이 문제에 대한 기존 접근 방식들—QITE, VITE, PITE—은 주로 유한 크기 시스템에 국한되어 왔습니다. 또한, 실제 양자 하드웨어에서 반복적인 측정을 통해 비용 함수(cost function)를 추정할 때 발생하는 통계적 노이즈는 변분 최적화(variational optimization)의 수렴에 상당한 영향을 미칩니다. 본 연구는 양자 회로를 사용하여 무한 1차원 격자 시스템에서 ITE를 수행하는 데 발생하는 간극을 해결하고, 유한 샘플링 노이즈가 수렴에 미치는 통계적 영향을 분석합니다.

방법론
저자들은 균일 행렬 곱 상태(uMPS) 안사츠(ansatz)에 적용된 **시간 의존 변분 원리(TDVP)**를 기반으로 한 양자 회로 알고리즘을 제안합니다. 핵심 방법론은 다음과 같습니다:

1. uMPS를 양자 회로로 매핑:

   • 번들 차원(bond dimension) $D=2^N$인 경우, 번역 불변(translationally invariant) uMPS는 매개변수화된 양자 회로(PQC)로 매핑됩니다. 단일 사이트 단위 셀은 $N+1$개의 큐비트에 작용하는 유니터리 게이트로 매핑됩니다.
   • TDVP 비용 함수에 필요한 비유니터리 환경 텐서($l$ 및 $r$)를 처리하기 위해, 저자들은 힐베르트 공간을 확장하여(비유니터리 텐서를 더 큰 유니터리 행렬에 임베딩함) 유니터리 게이트를 구성합니다.
   • 진화된 상태와 타겟 상태 사이의 중첩(overlap)을 나타내는 비용 함수는 최적화를 위한 메트릭으로서 출력 확률이 모든 제로(all-zero) 상태일 확률이 되는 양자 회로로 공식화됩니다.

2. 비유니터리성 처리 (두 가지 전략):

   • 유니터리 근사 (QITE 방식): 비유니터리 ITE 연산자를 유니터리 연산자 $e^{-iA(\tau)d\tau}$로 근사합니다. 여기서 $A(\tau)$는 정규화된 ITE 상태와 그 유니터리 근사 사이의 거리를 최소화하도록 결정되는 에르미트(Hermitian) 연산자입니다. 이 방식은 추가 큐비트를 필요로 하지 않지만 근사 오차를 도입합니다.
   • 보조 큐비트 지원 임베딩 (PITE 방식): 블록 인코딩(block encoding)을 통해 비유니터리 연산자를 추가적인 **보조 큐비트(ancilla qubit)**를 사용하여 더 큰 유니터리 연산자에 임베딩합니다. 이 방법은 근사 오차를 피할 수 있지만 큐비트 수를 증가시킵니다 (예: $D=2$일 때 6개에서 7개 큐비트로 증가).

3. 양자 란초스(Quantum Lanczos) 정밀화:

   • 유니터리 근사 및 통계적 노이즈로 인한 오차를 완화하기 위해, 저자들은 양자 란초스 알고리즘을 채택합니다.
   • $H^k|\phi\rangle$로부터 크릴로프 부공간(Krylov subspace)을 생성하는 대신, QLanczos는 ITE 상태 시퀀스 $|\phi_l\rangle = e^{-l d\tau H}|\phi_0\rangle$로부터 부공간을 구축합니다.
   • 이러한 상태들로부터 구축된 중첩 행렬 $S$와 해밀토니안 행렬 $H$를 사용하여 일반화된 고윳값 문제를 해결함으로써, 알고리즘은 바닥 상태 에너지 추정치를 정밀화합니다.

주요 결과
저자들은 **횡장 이징 모델(TFIM)**을 임계점($H = \sum_i (-\sigma^z_i \sigma^z_{i+1} + \sigma^x_i)$)에서 번들 차원 $D=2$로 사용하여 알고리즘을 벤치마킹했습니다.

• 상태 벡터 시뮬레이션:
  • 보조 큐비트 지원 방식은 고전적인 텐서 네트워크(TN) TDVP 결과와 밀접하게 일치하며, 기대되는 바닥 상태 에너지 밀도($\approx -1.2732$)로 수렴했습니다.
  • 유니터리 근사 방식은 긴 진화 시간($\tau \approx 1$)에서 예상치 못한 에너지 상승을 보였는데, 이는 무한 시스템 설정에 내재된 제한된 상관 영역(correlation-domain) 크기와 유니터리 근사 오차 때문인 것으로 분석되었습니다.
• 실제 양자 장치 시뮬레이션 (IBM Quantum):
  • 장치(예: ibm_nairobi, ibm_auckland) 시뮬레이션 결과, 원시(raw) ITE 궤적이 유한 샘플링 통계로 인해 노이즈가 발생함에도 불구하고, QLanczos 후처리가 오차를 크게 줄여 에너지 추정치를 바닥 상태 값에 더 가깝게 가져왔음을 입증했습니다.
• 노이즈의 통계적 분석:
  • 연구는 측정 기반 추정치로부터 도출된 비용 값과 에너지 밀도의 분포를 분석했습니다.
  • 개별 비용 추정치는 정규 분포(베르누이 과정)를 따르지만, 여러 최적화 실행에 걸친 에너지 밀도의 종합적인 분포는 **오른쪽으로 치우친, 맥스웰-볼츠만 유사 엔벨로프(Maxwell-Boltzmann-like envelope)**를 형성합니다.
  • 이 분포는 "스톨 포인트(stall points, 노이즈로 인해 최적화가 멈추는 지점)"에서의 실행 간 변동과 개별 실행 내의 가우시안 변동이 결합되어 나타납니다. 분석 결과, 최적화 궤적은 최적화 허용 오차가 유한 샘플링 노이즈와 비슷해질 때 변분 최소값에 도달하기 전에 멈추는 경향이 있습니다.

의의 및 주장
본 논문은 무한 1차원 시스템을 위한 양자 회로 기반 ITE의 첫 구현을 입증했다고 주장합니다. 주요 기여는 다음과 같습니다:

1. 알고리즘 확장: 매개변수화된 양자 회로를 사용하여 무한 격자에 TDVP 프레임워크를 성공적으로 적용하였으며, 진화 시간과 관계없이 일정한 수의 게이트를 유지했습니다.
2. 노이즈 특성화: 유한 샘플링 노이즈가 ITE의 변분 수렴에 어떻게 영향을 미치는지에 대한 상세한 통계적 연구를 제공하여, 결과적인 에너지 오차의 구체적인 분포 특성을 식별했습니다.
3. 오차 완화: 시뮬레이터와 실제 하드웨어 모두에서 바닥 상태 에너지 추정치를 정밀화하는 데 있어 QLanczos 알고리즘의 유용성을 검증하여, 유니터리 근사 오차와 측정 노이즈를 효과적으로 보상했습니다.
4. 확장성: 현재 구현은 $D=2$(6 또는 7개의 큐비트 필요)에 집중되어 있으나, 저자들은 uMPS와 양자 게이트 간의 매핑이 더 큰 번들 차원으로 일반화될 수 있음을 언급하며, 향후 더 복잡하고 강하게 얽힌 계를 시뮬레이션할 수 있는 경로를 제시했습니다.

본 연구는 현재의 NISQ 장치가 상당한 통계적 어려움을 유발하지만, 변분 안사츠, 보조 큐비트 지원 임베딩, 그리고 QLanczos 정밀화의 결합이 무한 양자 시스템을 시뮬레이션하고 바닥 상태 특성을 추정하는 데 있어 실행 가능한 경로를 제공한다는 결론을 내립니다.