Strong Simulation of 1D Quantum Circuits via Reduced Transition Matrices

기술 요약: 축소된 전이 행렬을 통한 1D 양자 회로의 강력한 시뮬레이션

문제 정의
비평형 양자 다체계(non-equilibrium quantum many-body systems)의 시뮬레이션은 공간적 얽힘(spatial entanglement)의 급격한 증가로 인해 근본적인 한계에 직면해 있으며, 이는 표준 텐서 네트워크 방법(TEBD, tDMRG, TDVP 등)을 비효율적으로 만듭니다. 이러한 방법들은 역동성을 낮은 복잡도의 매니폴드(manifold)로 제한하지만, 얽힘이 광범위하게 성장함에 따라 결국 실패하게 됩니다.

본 논문은 특정 출력 확률 $p(x|y) = |\langle x|U(T)|y\rangle|^2$를 주어진 상대 정밀도 $\epsilon_p$ (또는 진폭에 대한 $\epsilon_A$) 내에서 **근사적으로 강력하게 시뮬레이션(approximate strong simulation)**하는 더 구체적인 계산 작업을 다룹니다. 이 작업은 전체 출력 분포를 샘플링하는 것과는 다르며, 후자는 고전적으로 계산하기 어려운 것으로 추측됩니다. 특정 확률의 정확한 계산은 일반적으로 #P-hard이지만, 저자들은 기존의 난해성 결과들이 상대 오차가 시스템 크기에 따라 사라지는 영역에 적용된다는 점에 주목합니다. 본 논문은 **고정된 유한 상대 정밀도(fixed finite relative precision)**를 달성하는 계산 복잡도를 조사하며, 이는 난해성이 엄격하게 입증되지 않은 영역입니다.

방법론: 스위핑 RTM 알고리즘 (The Sweeping RTM Algorithm)
저자들은 **축소된 전이 행렬(Reduced Transition Matrices, RTMs)**에 기반한 횡방향 텐서 네트워크 수축(transverse tensor-network contraction) 전략을 제안합니다. 시간 방향을 따라 공간 텐서 네트워크를 수축하는 방식(이는 공간적 얽힘으로 인해 지수적인 결합 차원 성장을 초래함)이나 좌우 시간 경계 상태를 독립적으로 근사하는 방식 대신, 이 알고리즘은 두 경계 사이의 **중첩(overlap)**을 직접적으로 목표로 합니다.

1. 횡방향 정식화 (Transverse Formulation): 회로 진폭은 좌측 및 우측 시간 경계 상태의 중첩 $\langle L|R\rangle$로 간주됩니다. 전이 행렬은 $T = |R\rangle\langle L| / \langle L|R\rangle$로 정의됩니다.
2. RTM 압축 (RTM Compression): 알고리즘은 시간적 이분할(temporal bipartition)에 걸쳐 축소된 전이 행렬 $T_A = \text{Tr}_{\bar{A}} T$의 특이값 분해(SVD)를 활용합니다. $T_A$의 특이 벡터는 개별 경계의 얽힘 구조가 아니라, 중첩에 가장 관련이 있는 방향을 식별합니다.
3. 스위핑 절차 (Sweeping Procedure): 알고리즘은 좌측 및 우측 경계 상태를 시간적 행렬 곱 상태(tMPS)로 구축합니다. 이후 공간 방향을 따라 좌에서 우, 우에서 좌로 번갈아 가며 스위핑을 수행합니다. 각 단계에서 tMPS 결합은 개별 상태가 아닌 중첩을 보존하기 위해 RTM의 국소적 특이 스펙트럼을 기준으로 절단(truncation)됩니다.
4. 수렴 진단 (Convergence Diagnostics): 이 방법은 서로 다른 공간 컷($\Delta_{cut}$), 스위핑 간($\Delta_{sweep}$), 그리고 서로 다른 결합 차원 간($\Delta_{\chi}$)의 진폭 추정치 확산을 모니터링하는 내부 일관성 검사를 사용합니다. 진단 값이 규정된 허용 오차 $\epsilon_A$ 아래로 떨어지면 수렴한 것으로 간주합니다.

주요 결과
저자들은 세 가지 유형의 2-큐비트 게이트(결정론적 카오틱 킥-이징 회로, 교환 대칭 랜덤 앙상블, 무작위 Haar 앙상블)를 통해 알고리즘을 벤치마킹했습니다.

• 아지수적 결합 차원 성장 (Subexponential Bond Dimension Growth): 고정된 상대 정밀도에서 카오틱 1D 회로에 대해, 안정적인 추정을 위해 필요한 결합 차원 $\chi$는 접근 가능한 시간 창 동안 **아지수적(subexponential)**으로 성장한다는 것이 수치적 증거로 나타났습니다. 이는 전체 상태를 충실히 표현하거나 표준 횡방향 TEBD를 사용할 때 필요한 지수적 성장과 대조적입니다.
• 스펙트럼 특성 (Spectral Properties): RTM의 특이 스펙트럼은 대략적인 지수 꼬리($\lambda_n \sim e^{-n/F}$)를 보입니다. 특성 감소 척도 $F(T)$는 멱법칙 $T^\alpha$로 성장합니다. 이러한 스펙트럼 구조는 무한 크기 및 번역 불변(translationally invariant) 극한에서 RTM SVD 엔트로피 $S_{RTM}$이 로그 함수적으로 성장($S_{RTM} \sim \alpha \log T$)함을 시사하지만, 유한 크기 시스템은 들뜬 상태(excited states)로 인해 편차를 보입니다.
• 정확도 검증 (Accuracy Validation):
  • 작은 시스템($N=20$)의 경우, 알고리즘의 결과는 규정된 허용 오차 내에서 정확한 순방향 진화(exact forward evolution)와 일치합니다.
  • 정확한 진화가 불가능한 더 큰 시스템($N=60$)의 경우, 알고%리즘은 출력 확률의 통계적 특성, 특히 확률의 로그 모멘트에 대한 포터-토마스(Porter–Thomas) 예측에 수렴함을 재현합니다.
  • 이 방법은 다양한 허용 오차($\epsilon_A = 0.1, 0.5, 0.8$)에 대해 안정성을 유지하며, 서로 다른 임계값에서 계산된 진폭 간의 상대적 불일치는 유계(bounded) 상태를 유지합니다.

의의 및 응용
본 논문은 이 접근 방식이 시뮬레이션 시간이 아지수적 스케일링 창 내에 머무는 한, 카오틱 양자 회로에 대한 직접적인 고전적 확률 쿼리 경로를 열어준다고 주장합니다. 저자들은 세 가지 구체적인 응용 분야를 식별했습니다:

1. 벤치마킹 (XEB): 이 방법은 전체 출력 상태를 저장하지 않고도 샘플링된 문자열에 대한 이상적인 확률을 계산함으로써, 대규모 양자 장치에 대한 선형 교차 엔트로피 벤치마킹(Linear Cross-Entropy Benchmarking, XEB)의 고전적 평가를 가능하게 합니다. XEB 추정량의 상대 오차는 확률 쿼리의 상대 오차에 의해 제한됩니다.
2. 섀도우-중첩 인증 (Shadow-Overlap Certification): 이 알고리즘은 섀도우-중합 인증 프로토콜에 필요한 복소 진폭 쿼리를 제공할 수 있으며, 이를 통해 진폭 정확도에 의해 제어되는 오류를 가진 양자 장치의 피델리티 경계를 설정할 수 있습니다.
3. 학습 작업 (Learning Tasks): 개별 확률이 지수적으로 작더라도 수축(contraction)이 실행 가능한 범위 내에 있다면, 매개변수화된 양자 회로 모델의 경험적 음의 로그 가능도(negative log-likelihood)를 평가함으로써 파라미터화된 양자 회로 모델의 가능도 기반 학습을 용이하게 합니다.

한계 및 전망
저자들은 자신들의 발견이 **수치적이고 휴리스틱(numerical and heuristic)**임을 강조합니다. 저자들은 점근적 복잡도 경계(즉, 열역학적 극한에서 성장이 엄격하게 다항식인지 아니면 아지수적인지 여부)를 엄격하게 확립하지 않았습니다. 내부 수렴 검사는 엄격한 오차 경한을 구성하지 않습니다. 또한, 현재 연구는 1D 회로로 제한되어 있으며, 2D 템포럴 경계(temporal boundaries)를 수축하고 압축하는 데 따르는 비용 증가로 인해 이를 2차원 공간(PEPS 사용)으로 확장하는 것은 까다로운 과제로 남아 있습니다. 중첩 문제에 대한 변분적 정식화(variational formulation)를 개발하고 엄격한 경계를 설정하기 위한 향후 연구가 필요합니다.