A Recursive Module-Coupling Algorithm for Computing Low-Energy Eigenstates

기술 요약: 저에너지 고유상태 계산을 위한 재귀적 모듈 결합 알고리즘

문제 정의
다체 해밀토니안(many-body Hamiltonians)의 고유상태(eigenstates)를 찾는 것은 시스템 크기에 따른 탐색 공간의 지수적 증가로 인해 물리학 및 계산 과학 분야의 근본적인 과제이다. 밀도 행렬 재규격화 군(DMRG)과 같은 고전적 방법과 변분 양자 고유값 솔버(VQE)와 같은 양자 알고리즘이 개발되었으나, 이들은 각각 한계에 직면해 있다. DMRG는 반복적인 스윕(sweeps)을 통해 전역적인 행렬 곱 상태(matrix product state)를 최적화하며, 이는 들뜬 상태(excited states)에 대해 계산 비용이 많이 들고 순차적일 수 있다. NISQ(잡음이 있는 중간 규모 양자) 시대에 인기 있는 VQE는 종종 바렌 플래토(barren plateaus) 문제로 고통받으며 복잡한 안사츠(ansatz) 설계를 요구한다. 더욱이 많은 응용 분야에서는 기저 상태뿐만 아니라 여러 개의 저에너지 들뜬 상태를 동시에 필요로 하며, 후속 정밀화(예: 허수 시간 진화)를 위한 고충실도 상태 준비를 확보하는 것이 여전히 어렵다.

방법론
저자들은 물리적 정보가 반영된 저차원 변분 부분 공간(variational subspace)을 반복적으로 구축하는 **재귀적 모듈 결합 알고리즘(Recursive Module-Coupling Algorithm)**을 제안한다. 핵심 방법론은 두 단계, 즉 고전적 수치 솔버와 양자 회로 구현으로 작동한다.

1. 고전적 재귀적 투영 (Classical Recursive Projection):

   • 모듈 분해: 시스템을 더 작고 국소적으로 상호작용하는 모듈(예: $n$-사이트 블록)로 분할한다.
   • 국소 대각화: 격리된 각 모듈의 저에너지 고유상태를 계산하고, 가장 낮은 $k$개의 상태를 유지하도록 절단(truncation)한다.
   • 재귀적 병합: 두 인접한 모듈을 모듈 간 상호작용을 통해 결합한다. 병합된 시스템을 위한 변분 부분 공간은 구성 모듈의 유지된 저에너지 부분 공간의 텐서 곱으로 구축된다 ($V_k = \text{span}\{|\alpha\rangle_A \otimes |\beta\rangle_B\}$).
   • 유효 해밀토니안: 이 곱 부분 공간 내에서 차원이 $k^2$인 유효 해밀토니안을 조립하고 이를 대각화하여, 더 큰 블록에 대한 새로운 저에너지 고유상태들을 얻는다.
   • 반복: 이 과정은 목표 시스템 크기에 도달할 때까지 계층적으로(예: $n \to 2n \to 4n$) 반복된다. 전역적인 상태를 스윕하는 DMRG와 달리, 이 방법은 국소 고유상태로부터 기저를 구축함으로써, 이전에 발견된 상태들과의 직교성을 강제하지 않고도 여러 저에너지 상태를 동시에 얻을 수 있게 한다.

2. 양자 회로 구현:

   • 블록 인코더 (Block Encoders): 진폭 벡터를 명시적으로 저장하는 것을 피하기 위해(이는 지수적으로 스케일링됨), 알고리즘은 논리적 기저 상태를 모듈의 물리적 저에너지 부분 공간으로 매핑하도록 훈련된 매개변수화된 양자 회로("블록 인코더")를 사용한다.
   • 계층적 구축: 작은 블록을 위해 훈련된 인코더는 더 큰 블록을 구성하기 위한 고정된 구성 요소로서 재사용된다. 논리적 변분 회로는 병합된 부분 공간들을 결합하여 병합된 시스템의 저에너지 상태를 탐색한다.
   • 훈련: 블록 인코더는 첫 $k$개 상태의 에너지를 최소화하기 위해 Ky Fan 부분 공간 목적 함수를 사용하여 훈련된다. 이후 논리 회로는 인코딩된 텐서 곱 공간 내에서 기저 상태와 들뜬 상태를 찾도록 최적화된다.

주요 기여

• 물리 정보 기반 부분 공간 구축: 이 방법은 일반적인 전역 안사츠를 최적화하는 대신, 국소 모듈 고유상태의 텐서 곱으로부터 직접 변분 기저를 구축한다. 이는 국소적 상호작용을 활용하여 콤팩트하고 물리적으로 맞춤화된 부분 공간을 생성한다.
• 동시 다중 상태 고유값 계산: 이 알고리즘은 각 병합 단계에서 기저 상태와 들뜬 상태를 동등한 입장에서 자연스럽게 산출하며, 이는 기존의 순차적 들뜬 상태 DMRG에서 흔히 발견되는 수렴 문제를 피하게 해준다.
• 모듈형 양자 실현: 재귀적 구조는 표준화된 양자 회로 프레임워크로 변환된다. 이를 통해 이전에 최적화된 재사용 가능한 인코더 모듈로부터 대규모 회로를 계층적으로 조립할 수 있으며, 이는 현재의 게이트 기반 양자 하드웨어와 호환된다.
• 오차 분석: 저자들은 사이트당 절단 오차가 유지된 차원 $k$에 따라 체계적으로 스케일링되며 경계가 유지됨을 보여주는 이론적 범위를 제공하며, 총 오차는 시스템 크기에 따라 최대 확장적으로 증가한다.

결과

• 고전적 시뮬레이션: 횡장 이징 사슬(transverse-field Ising chains, 최대 $L=80$)에 대한 수치 테스트 결과, 이 방법은 높은 충실도(예: $k=7$일 때 $L=10$에서 $>0.99$)를 달eric하며, 상전이 구간에서도 저에너지 스펙트럼과 갭 구조를 정확하게 재현함을 보여주었다.
• 효율성: 중간 정도의 정확도 목표(상대 오차 $\sim 4-5\%$)에 대해, 이 모듈형 방법은 특히 여러 저에너지 상태를 동시에 계산할 때 DMRG보다 수십 배 빠른 것으로 나타났다. 계산 비용은 $O(k^6 \log_2(L/L_0))$로 스케일링된다.
• 양자 하드웨어 실험: IBM 양자 프로세서(ibm_pittsburgh)를 사용하여 개념 증명 실험을 수행하였다. 하드웨어 잡음에도 불구하고, 훈련된 회로는 이징 모델의 저에너지 상태를 합리적인 계산 기저 분포 충실도(기저 상태의 경우 $k=4$에서 최대 $\sim 0.83$)로 성공적으로 준비하였다. 이 결과는 인코딩된 부분 공간 접근법이 NISQ 장치에서 실행 가능하다는 것을 확인시켜 주지만, 회로 깊이가 깊어짐에 따라 게이트 오차와 결맞음(decoherence)에 의해 성능이 제한될 수 있음을 보여준다.

의의 및 주장
본 논문은 이 재귀적 모듈 결합 프레임워크가 재규격화 군 아이디어의 물리적 직관과 모듈식의 재귀적 구조를 결합함으로써 기존 고유값 솔버에 대한 뚜렷한 대안을 제공한다고 주장한다. 주요 의의는 다음과 같다:

1. 계산적 이점: 저에너지 상태에 대한 빠르고 고품질의 근사치를 제공하며, 이는 허수 시간 진화와 같은 더 정밀한 알고리즘을 위한 시작점으로 사용되거나 양자 어닐링의 가이드로 활용하기에 매우 유용하다.
2. 확장성 및 재사용성: 훈련된 양자 인코더를 재귀적으로 재사용하는 능력은 전체 안사츠를 다시 설계하지 않고도 더 큰 시스템을 위한 상태 준비 회로를 체계적으로 구축할 수 있게 한다.
3. NISQ 호환성: 의미 있는 저에너지 고유상태를 현재의 잡음이 있는 양자 하드웨어에서 직접 준비할 수 있음을 입증함으로써, 고전적 부분 공간 구축과 양자 상태 준비 사이의 간극을 메운다.

저자들은 이 연구를 모든 1차원 기저 상태 계산에 대해 DMRG와 같은 고정밀 방법을 대체하려는 것이 아니라, 양자 회로를 계층적으로 구축하는 체계적인 처방을 제공하고 에너지 갭에 대한 빠른 추정치를 제공하는 보완적인 도구로 위치시킨다.