🔬 condensed matter

Efficient Block Encoding of Structured Hamiltonians by Separating Where and What

이 논문은 상호작용 서포트의 선택과 연산자의 적용을 permute-act-unpermute 회로를 통해 분리함으로써, 번역 대칭성이나 인수분해된 계수를 요구하지 않으면서도 비-클리포드(non-Clifford) $T$ -게이트 비용을 항의 개수가 아닌 시스템 크기에 따라 스케일링하여 크게 줄이는 구조화된 해밀토니안을 위한 효율적인 블록 인코딩 방법을 소개한다.

원저자: Alessandro Summer, François Jamet

게시일 2026-10-05

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Alessandro Summer, François Jamet

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 연구가 다루는 과제를 이해하려면, 먼저 과학자들이 자연계를 시뮬레이션하기 위해 양자 컴퓨터를 어떻게 활용하고자 하는지를 살펴보아야 합니다. 목표는 새로운 물질 내 전자의 거동이나 화학 반응의 역학처럼 복잡한 계를 그들의 양자 법칙을 모방함으로써 모델링하는 것입니다. 이를 위해 연구자들은 물리적 계를 지배하는 물리 법칙을 '해밀토니안(Hamiltonian)'이라 불리는 수학적 객체로 변환합니다. 이 객체는 본질적으로 컴퓨터에 시스템의 에너지가 시간에 따라 어떻게 변하는지를 알려주는 방대한 명령 목록입니다. 그러나 양자 컴퓨터가 이 명령들을 실행하려면, 이를 특정 일련의 연산 과정으로 분해해야 합니다. 이 과정에서 컴퓨터의 자원과 시간 측면에서 가장 비용이 많이 드는 단계는 '블록 인코딩(block encoding)'이라 불리는 단계입니다. 이 단계는 시스템이 조작될 수 있도록 준비하는 과정이며, 그 비용은 전통적으로 명령 목록에 포함된 항의 순수한 개수에 직접적으로 연결되어 왔습니다. 만약 어떤 시스템이 수천 개의 상호작면을 가지고 있다면, 이를 시뮬레이션하는 비용은 역사적으로 그 숫자에 정비례하여 증가해 왔으며, 이는 대규모 시뮬레이션을 실행 불가능할 정도로 비싸게 만들었습니다.

파리의 앨리스 앤 보브(Alice & Bob)에 있는 연구팀은 이러한 명령들을 조직하는 방식을 바꿈으로써 이 병목 현상을 해결하는 방법을 찾아냈습니다. 모든 상호작용을 고유하고 고립된 사건으로 취급하는 대신, 그들은 많은 물리적 계가 숨겨진 구조를 공유한다는 사실을 깨달았습니다. 즉, 동일한 유형의 힘이 서로 다른 위치에서 반복적으로 작용한다는 것입니다. 예를 들어, 원자 고리 내에서 두 이웃이 상호작용하는 방식은 위치만 다를 뿐, 다른 어떤 이웃 쌍이 상호작용하는 방식과도 종종 동일합니다. 연구진은 "어디에서" 상호작용이 일어나는가와 "무엇이" 그 상호작용을 실제로 수행하는가라는 질문을 분리하는 새로운 방법을 개발했습니다. 이 두 요소를 결로(decoupling)함으로써, 그들은 모든 위치마다 매번 새로운 장치를 구축하는 대신, 모든 위치에서 동일한 계산 기계(machinery)를 재사용하는 회로 설계를 만들어냈습니다. 이 접근 방식은 시스템을 시뮬레이션하는 비용이 전체 상호작용의 수가 아니라, 시스템의 크기에 따라서만 증가하도록 만듭니다. 이는 전체 상호작용의 수는 훨씬 더 클 수 있음에도 불구하고 말입니다.

그들의 혁신의 핵심은 '순열-작동-역순열(permute–act–unpermute)'이라고 부르는 3단계 과정입니다. 도서관에서 책에 특정 도장을 찍어야 하는데, 책들이 넓은 방 안에 흩어져 있는 상황을 상상해 보십시오. 기존 방식은 사서가 모든 책으로 일일이 걸어가서, 책을 집어 들고, 도장을 찍고, 다시 제자리에 놓는 과정을 모든 책에 대해 개별적으로 반복해야 합니다. 새로운 방식은 다릅니다. 먼저 사서는 영리한 분류 메커니즘을 사용하여 동일한 도장이 필요한 책들을 한데 모아 하나의 고정된 책상으로 이동시킵니다. 일단 책들이 책상에 모이면, 도장을 한 번에 찍습니다. 마지막으로 책들을 원래의 자리로 다시 분류하여 돌려놓습니다. 양자 회로에서 이 '분류' 작업은 상호작용에 관여하는 특정 큐비트(양자 비트)들을 고정된 타겟 영역으로 이동시키는 스왑(swap) 네트워크에 의해 수행됩니다. 여기서 '도장'은 해당 고정 영역에 적용되는 실제 양자 연산입니다. 이 분류 메커니즘은 시스템의 기하학적 구조(원자들이 배열된 방식)에만 의존하기 때문에, 해당 유형의 모든 상호작용에 대해 재사용될 수 있습니다. 이는 시스템에 수백만 개의 상호작용이 있더라도, 컴퓨터가 값비싼 분류 단계를 수행해야 하는 횟수가 상호작용의 수가 아닌 원자의 수에 비례하게 됨을 의미합니다.

연구진은 이 아이디어의 범용성을 증명하기 위해 매우 다른 두 가지 물리 모델에 이 방법을 테스트했습니다. 첫 번째는 각 스핀이 인접한 이웃과만 상호작용하는 자기 스핀 체인의 단순한 모델인 '하이젠베르크 고리(Heisenberg ring)'였습니다. 이 경우 상호작용은 국소적이고 반복적입니다. 두 번째 모델은 상호작용하는 복잡한 핵이 상호작용하지 않는 거대한 '배스(bath, 환경)'에 둘러싸인 '앤더슨 불순물 모델(Anderson impurity model)'입니다. 이 모델은 국소적 상호작용과 장거리 전방위(all-to-all) 연결을 결합하여 훨씬 더 혼란스럽고 어려운 시나리오를 나타냅니다. 두 경우 모두 새로운 방법은 계산 비용을 극적으로 줄였습니다. 단순한 고리의 경우, 값비싼 연산의 횟수가 기존의 최선책들과 비교했을 때 3분의 1 수준으로 감소했습니다. 복잡한 불순물 모델의 경우, 주변 배스의 크기가 수천 개의 입자로 커짐에도 불구하고 비용 절감 폭은 약 1.7배였습니다. 이러한 개선은 컴퓨터가 계산을 유지하기 위해 필요한 임시 메모리 비트의 수를 늘리지 않고도 달성되었으며, 이를 통해 기계의 물리적 요구 사항을 관리 가능한 수준으로 유지했습니다.

그들의 연구에서 나타나는 두 번째의 더 미묘한 개선점은 컴퓨터가 분류 과정 중에 임시 데이터를 처리하는 방식과 관련이 있습니다. 컴퓨터가 큐비트를 이동시킬 때, 오류를 방지하기 위해 다음 단계 이전에 반드시 지워야 하는 임시 값들이 생성됩니다. 연구진은 많은 경우에 이러한 임시 값들을 '작동(stamping)' 단계 동안 계속 유지하면서, 처음부터 다시 계산하여 지우는 대신 단순히 업데이트할 수 있다는 것을 발견했습니다. 이 '브릿지(bridged)' 방식은 업데이트가 간단하고 저렴한 로직으로 수행될 수 있다면 특정 연산의 비용을 절반으로 줄여줍니다. 이러한 절감 효과는 국소적 상호작용과 전방위 연결이 결합된 복잡한 불순물 모델에서 특정 하위 단계의 비용을 줄이는 데 가장 효과적이었지만, 전체적인 효율성의 주된 동력은 위치와 행동의 분리였습니다. 연구진은 자신들의 분류 네트워크가 연구한 연결 유형들에 대해 수학적으로 가장 효율적임을 증명했으며, 이는 이 특정 작업을 수행하는 데 있어 숨겨진 더 효율적인 방법이 없음을 의미합니다.

이 연구의 의의는 대규모 양자 시뮬레이션을 실행 가능하게 만드는 능력에 있습니다. 시뮬레이션 비용이 상호작용의 순수한 양이 아니라 물리적 배치에 달려 있음을 보여줌으로써, 연구진은 복잡한 물질과 화학적 과정을 연구하는 데 있어 주요한 장벽을 제거했습니다. 그들의 방법은 단순하고 반복적인 패턴을 가진 시스템뿐만 아니라 복잡한 전방위 연결을 가진 시스템에도 적용될 수 있어, 물리학과 화학의 광범위한 문제에 적용될 수 있음을 시사합니다. 결과에 따르면, 양자 컴퓨터가 커짐에 따라 단순히 더 많은 전력을 추가하는 것이 아니라, 우주의 자연스러운 구조를 존중하는 방식으로 작업을 조직함으로써 이전에는 도달할 수 없었던 문제들을 해결할 수 있게 될 것입니다. 연구진은 이러한 시뮬레이션을 더 효율적으로 구축할 수 있는 청사진을 제공하여, 계산의 오버헤드가 아닌 문제의 물리학 자체에 계산 자원이 집중될 수 있도록 보장했습니다.

기술 요약: 구조적 해밀토니안의 효율적인 블록 인코딩 — '어디'와 '무엇'의 분리

문제 정의
다체 계(many-body systems)의 결함 허용 양자 시뮬레이션은 해밀토니안의 블록 인코딩에 크게 의존하며, 여기서 비-클리포드 비용(특히 $T$ -게이트 횟수)은 매 쿼리마다 지불됩니다. 유나리 반복(unary iteration)을 사용하는 선형 결합 유니터리(Linear Combination of Unitaries, LCU) 방식과 같은 표준 접근법은 해밀토니안 항들을 평탄한 리스트(flat list)로 취급합니다. 이러한 구성에서 Select 연산은 레이블 레지스터에 따라 유니터리를 적용합니다. $L$ 개의 항을 가진 해밀토니안의 경우, Select의 비용은 일반적으로 $L$ 에 선형적으로 비례합니다.

많은 물리적으로 유의미한 해밀토니안들은 상당한 구조를 가지고 있습니다: 소수의 국소 연산자(예: 자기장, 호핑, 교환 연산)가 특정 기하학적 구조(예: 근접 이웃 결합, 플라켓 또는 전방위 결합)에 의해 배치된 수많은 서포트(support) 상에 반복됩니다. 평탄한 리스트 구현에서는 연산자 클래스의 수와 서포트의 수가 곱해진 만큼 비용이 증가하므로, 계산의 중복이 발생합니다. 예를 들어, $N$ 개의 사이트를 가진 하이젠베르크 링(Heisenberg ring)에서 사이트당 6개의 연산자 클래스가 있는 경우, 평탄한 워크(flat walk)의 비용은 $24N$ 에 비례하지만, 구조적 중복성을 고려하면 더 낮은 하한선이 가능함을 시사합니다.

방법론
저자들은 Select 연산에 대해 '어디'에 연산이 작용하는지를 선택하는 것과 '무엇'을 적용할지를 선택하는 것을 분리하는 "순열-작용-역순열(permute–act–unpermute)" 아키텍처를 제안합니다.

역할의 분리:
해밀토니안은 $H = \sum_{j,b} \alpha_{j,b} \Pi_j^{-1} P_T^{(b)} \Pi_j$ 로 재작성됩니다.
- 어디 (Where): 주소 $j$ 는 서포트(큐비트 집합)를 선택합니다. 순열 $\Pi_j$ 는 선택된 서포트를 고정된 타겟 레지스터 $T$ ( $n_T$ 개의 큐비트)로 이동시킵니다.
- 무엇 (What): 고정된 타겟 작용 $P_T^{(b)}$ 는 타겟 레지스터 $T$ 에 레이블 $b$ 가 붙은 연산자를 적용합니다.
- 역순열 (Unpermute): 역순열 $\Pi_j^{-1}$ 는 시스템 레지스터를 복구합니다.
이러한 분리는 큐비트를 이동시키는 비용(순열)은 서포트의 기하학적 구조에만 의pon하고, 연산자를 적용하는 비용은 연산자 클래스에만 의존하도록 보장합니다. 즉, 두 비용은 곱해지는 것이 아니라 더해집니다.
CSWAP 네트워크를 통한 순열:
순열 $\Pi_j$ 는 스왑 트리(swap tree)에서 유도된 제어-SWAP(CSWAP) 네트워크를 사용하여 구축됩니다.
- CSWAP의 개수는 사이트들을 그룹( $\chi$ )으로 나누는 최소 그룹 수에 의해 결정됩니다. 이때 어떤 서포트도 동일한 그룹 내의 두 사이트를 포함하지 않아야 합니다.
- 근접 이웃 결합(이분 그래프)의 경우, $\chi=2$ 이며, 선택된 쌍을 타겟으로 가져오기 위해 두 개의 스왑 트리(짝수 사이트용 하나, 홀수 사이트용 하나)를 사용할 수 있습니다.
- 전방위(all-to-all) 쌍의 경우, $\chi=N$ 이며 더 복잡한 네트워크가 필요합니다.
- 저자들은 쌍(pair) 서포트에 대해, 자신들의 구성이 사이트 치환을 위한 주소 제어 네트워크 내에서 최소 CSWAP 횟수를 달성함을 증명합니다.
브릿지드 CSWAP (Bridged CSWAPs):
표준 CSWAP 구현은 임시 논리 AND(작업 비트)를 계산하고, 사용한 뒤, 제거(닫기)하는 과정을 포함합니다. 매칭된 순방향-역순열 쌍에서, 표준 방식은 역순열을 위해 작업 비트를 다시 계산합니다.
- 저자들은 작업 비트를 타겟 작용 동안 유지하는 "브릿지드 CSWAP"를 도입합니다.
- 만약 타겟 작용이 준비된 레이블에 의해 결정된 알려진 양 $\delta$ 만큼 데이터 큐비트의 패리티를 변화시킨다면, 역순열 전 클리포드 게이트( $X^{c\delta}$ )를 통해 작업 비트를 복구할 수 있습니다.
- 이 복구가 클리포드 연산일 때, 이는 매칭된 쌍당 하나의 "열기(opening)"(4개의 $T$ -게이트)를 절약하며, 하나의 활성 보조 큐비트를 사용하는 대가로 매칭된 쌍의 비용을 절반으로 줄입니다.

주요 기여

구조적 디커플링 (Structural Decoupling): 본 논문은 Select의 $T$ -게이트 비용이 전체 항의 개수 $L$ 이 아닌, 시스템 크기 $N$ 과 서포트 기하학에 따라 스케일링되는 프레임워크를 확립합니다.
최적의 CSWAP 횟수: 쌍 서포트에 대해, 저자들의 CSWAP 네트워크는 주소 제어 치환에 대해 최소 CSWAP 횟수를 달성함을 증명합니다. 비용은 $8SN + O(\log N)$ 이며, 여기서 $S$ 는 기하학 의존 밀도( $S=1$ 은 근접 이웃, $S=3/2$ 는 전방위)입니다.
브릿지드 CSWAP: 레이블로부터 예측 가능한 패리티 변화를 이용하여 임시 AND 값을 유지하고 복구함으로써 매칭된 순열 쌍의 $T$ -count를 줄이는 새로운 기술을 제시합니다.
특정 모델의 컴파일: 이 프레임워크는 두 가지 구별되는 해밀토니안 패밀리에 대해 구체화됩니다:
1. 하이젠베르크 링 (Heisenberg Ring): 근접 이웃 모델.
2. 앤더슨 불순물 모델 (Anderson Impurity Model, AIM): 근접 이웃 배스 체인과 전방위 불순물 코어를 결합한 하이브리드 모델.

결과
본 논문은 변경되지 않은 정규화 및 유사한 피크 보조 큐비트 수를 유지하면서, 완전한 블록 인코딩 쿼리에 대한 자원 추정치를 제공하며, 이를 최저 비용의 컴파일된 베이스라인(평탄 워크, 레지스터 마스크, 트리 기반 Select)과 비교합니다.

하이젠베르크 링:
- 제안된 방법은 $8N + O(\log N)$ 의 $T$ -count를 달성합니다.
- 이는 가장 우수한 평탄 워크 비교 대상( $24N$ )과 비교했을 때 약 3배에 가까운 감소를 보여줍니다.
- 이러한 감소는 순열 비용이 사이트당 6개의 연산자 클래스와 무관하게, 위치당 한 번만 지불되기 때문에 발생합니다.
앤더슨 불순물 모델 (AIM):
- 큰 배스 크기( $n_{bath} \gg n_{imp}$ )에 대해, 전체 쿼리는 가장 저렴한 매칭된 비교 대상보다 약 1.7배 적은 $T$ -게이트를 요구합니다.
- 주요 비용은 1-바디 섹터(배스 체인)에 의해 지배되며, 이는 $8N$ 으로 스케일링됩니다. 전방위 상호작용 섹터는 부차적인 항을 기여합니다.
- 브릿징 기술은 체인-프런트 순열 및 상호작용 섹터에서 비용을 줄여주지만, 지배적인 이득은 여전히 "어디"와 "무엇"의 분리에서 옵니다.

의의 및 주장
본 논문은 해밀토니안의 반복되는 국소적 구조를 활용함으로써 블록 인코딩의 비-클리포드 비용을 근본적으로 줄일 수 있다고 주장합니다.

확장성: 구조화된 해밀토니안의 경우, 서포트 크기가 고정되어 있다면 Select의 비용은 항의 개수와 관계없이 시스템 크기 $N$ 에 따라 선형적으로 증가합니다. 이는 비용이 서포트와 연산자 클래스의 곱으로 증가하는 평탄 리스트 방식과 대조됩니다.
기하학 의고성: 주요 비용은 해밀토니안의 결합 계수의 값이나 개수가 아니라, 오직 연결성(기하학)에 의해 결정됩니다. 이는 본 프레임워크에서 멱법칙(power-law) 결합이 균일한 결합과 동일한 비용을 가짐을 의미합니다.
겸손한 결론: 저자들은 연구된 특정 모델들에 대해, 브릿징 기술이 주로 부차적인 항에서 이득을 제공하며, 지배적인 이득은 순열과 작용의 분리에서 온다는 점을 언급합니다. 또한 3개 이상의 사이트를 가진 서포트에 대해서는 모든 기하학에 대한 최소 CSWAP 횟수가 완전히 해결되지 않았으며, 최소 순열 크기와 비선형 제어 비용 사이의 최적의 균형은 여전히 열린 문제임을 인정합니다.

이 연구는 향후 블록 인코딩이 파울리 항의 평탄한 열거가 아닌, 해밀토니안의 기하학적 구조와 반복되는 국소적 구조를 중심으로 설계되어야 함을 시사합니다.

유사한 논문