[論文レビュー] A Partially Random Trotter Algorithm for Quantum Hamiltonian Simulations

Shi Jin, Xiantao Li|arXiv (Cornell University)|Sep 16, 2021

Quantum Computing Algorithms and Architecture参考文献 41被引用数 4

ひとこと要約

本稿では、大きな振幅のハミルトニアン項を決定論的に扱い、残りの項を確率的にサンプリングする、ハイブリッドなトロッター・シュシュキのアルゴリズムを提案する。演算子分割によるバイアスと確率的サンプリングによる分散のバランスを取ることで、完全に決定論的または完全に確率的な手法よりも低い平均二乗誤差を達成する。理論的誤差境界とゲート数の推定値は数値的に検証された。

ABSTRACT

Given the Hamiltonian, the evaluation of unitary operators has been at the heart of many quantum algorithms. Motivated by existing deterministic and random methods, we present a hybrid approach, where Hamiltonians with large amplitude are evaluated at each time step, while the remaining terms are evaluated at random. The bound for the mean square error is obtained, together with a concentration bound. The mean square error consists of a variance term and a bias term, arising respectively from the random sampling of the Hamiltonian terms and the operator splitting error. Leveraging on the bias/variance trade-off, the error can be minimized by balancing the two. The concentration bound provides an estimate on the number of gates. The estimates are verified by using numerical experiments on classical computers.

研究の動機と目的

• 大規模な量子ハミルトニアンに対する完全に決定論的なトロッター・シュシュキ手法の高いゲート数と誤差を解消すること。
• 大きな振幅の項を確率的評価から除外することで、確率的サンプリング手法の分散を低減すること。
• ハイブリッド量子シミュレーションにおけるバイアス-分散トレードオフを捉える理論的枠組みを確立すること。
• 所望の精度を達成するための必要ゲート数を推定するための濃度不等式を導出すること。
• 量子スピン鎖における数値的シミュレーションを通じて、誤差モデルと性能向上を検証すること。

提案手法

• ハミルトニアンを2つのグループに分割：大きな振幅の項は標準的なトロッター分割を用いて決定論的に扱い、小さな項は確率的サンプリングによって扱う。
• アルゴリズムは、各時間ステップで支配的項の決定論的発展と、残りの項の確率的選択を組み合わせたハイブリッド・トロッターステップを用いる。
• 誤差解析では、平均二乗誤差を演算子分割によるバイアス項と確率的サンプリングによる分散項に分解し、標準的な統計的バイアス-分散トレードオフに従う。
• 所望の誤差確率を高い信頼度で達成するためのゲート数を推定するための濃度不等式が導出される。
• 本手法は、一様サンプリングと重要度サンプリングの両方を含む柔軟な確率的サンプリング戦略を許容し、後者は分散低減において優位であることが示された。
• ヘイゼンベルクスピン鎖における数値実験により、理論的誤差境界が数値的に妥当であり、完全に決定論的または確率的アプローチよりも優れた精度を示した。

実験結果

リサーチクエスチョン

• RQ1 大きな振幅のハミルトニアン項を決定論的に、小さな項を確率的に扱うハイブリッド手法が、量子ハミルトニアンダイナミクスにおける全体のシミュレーション誤差を低減できるか。
• RQ2 ハイブリッドアルゴリズムにおける平均二乗誤差がバイアスと分散の成分にどのように分解されるか、そしてこの分解が性能最適化に利用できるか。
• RQ3 合計誤差を最小化するために、ハミルトニアン項を決定論的処理と確率的処理にどのように分割すべきか。
• RQ4 一様サンプリングと重要度サンプリングの異なるサンプリング戦略が、ハイブリッドアルゴリズムにおける分散とゲート数にどのように影響するか。
• RQ5 所望の精度を高い確率で達成するための必要ゲート数を推定するための濃度不等式を導出できるか。

主な発見

• n=12および2^12ゲートのヘイゼンベルク鎖において、ハイブリッドアルゴリズムは完全に決定論的または完全に確率的トロッター手法よりも低い平均二乗誤差を達成した。
• 重要度サンプリングは一様サンプリングよりも低い分散とより高い精度を示し、分散低減において優位であることが確認された。
• 平均二乗誤差は明確なバイアス-分散トレードオフを示しており、両者の誤差成分がバランスしたときに最適な性能が達成された。
• 理論的誤差境界は数値的に妥当であり、異なる系のサイズとゲート数において観測された平均二乗誤差と良好に一致した。
• ランダムサンプリングのバッチサイズK=4またはK=8はK=1と同等の性能を示し、1ステップあたり複数のランダム項を使用しても精度に顕著な損失がないことが示された。
• 最適なハミルトニアン項の分割（決定論的処理と確率的処理の切り替え点）は、係数の大きさが顕著に低下する地点に近いが、体系的な手法は未解決の課題のままである。