[論文レビュー] A unified quantum computing quantum Monte Carlo framework through structured state preparation

Giuseppe Buonaiuto, Antonio Márquez Romero+5 more|arXiv (Cornell University)|Mar 26, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

論文は、タスク適応型の量子状態準備ユニットを用いてQCQMCを拡張し、基底状態、励起状態、最適化、有限温度の問題を複数ドメインにまたいで扱い、ドメイン間ベンチマークにおいてQMC拡散が精度を向上させることを示す。

ABSTRACT

We extend Quantum Computing Quantum Monte Carlo (QCQMC) beyond ground-state energy estimation by systematically constructing the quantum circuits used for state preparation. Replacing the original Variational Quantum Eigensolver (VQE) prescription with task-adapted unitaries, we show that QCQMC can address excited-state spectra via Variational Fast Forwarding and the Variational Unitary Matrix Product Operator (VUMPO), combinatorial optimization via a symmetry-preserving VQE ansatz, and finite-temperature observables via Haar-random unitaries. Benchmarks on molecular, condensed-matter, nuclear-structure, and graph-optimization problems demostrate that the QMC diffusion step consistently improves the energy accuracy of the underlying state-preparation method across all tested domains. For weakly correlated systems, VUMPO achieves near-exact energies with significantly shallower circuits by offloading optimization to a classical tensor-network pre-training step, while for strongly correlated systems, the QMC correction becomes essential. We further provide a proof-of-concept demonstration that Haar-random basis state preparation within QCQMC yields finite-temperature estimates from pure-state dynamics.

研究の動機と目的

• QCQMCを基底状態エネルギー推定以外へ拡張する動機付け。
• 状態準備ユニタリを変えることでドメイン全体にQCQMCを適用する一般的ワークフローを開発する。
• VQE、VFF、VUMPO等によるドメイン特有の基底がターゲット状態への重ね合わせを改善することを示す。
• QCQMC内で有限温度および励起状態の能力を示す。
• 分子、凝縮物質、核構造、グラフ最適化問題を横断して性能をベンチマークする。

提案手法

• 標準のVQEベースの状態準備を、ドメイン適応ユニタリU_gへ置換して量子ウォーカーを生成する。
• 量子ウォーカーを|ψ̃_i⟩ = U_g|b_i⟩として構築し、変換基底でハミルトニアンの行列要素を計算する。
• 複数ターゲット(M)の逐次評価による励起状態・有限温度推定を含むQCQMC拡散ステップでウォーカーを伝搬させる。
• ハダマード検査ベースの回路を用いて遷移振幅とその符号をハミルトニアンの行列要素として推定する。
• VQE、VFF、VUMPO、SPA、UCCSD、HEAなど複数の状態準備戦略と対称性保存エンコーディングを検討し、表現力と回路深さを制御する。
• 目標量（基底状態、励起状態、有限温度）に対する推定量を提供する。例えば射影エネルギー、変分エネルギー、ハaar乱乱による熱推定など。

Figure 1: A schematic workflow of the Cross-domain QCQMC.

実験結果

リサーチクエスチョン

• RQ1 QCQMCを基底状態エネルギー推定以外へ拡張して励起状態、最適化、有限温度の観測量を扱えるようにするにはどうすればよいか。
• RQ2 問題に特化した量子基底がターゲット状態への重ね合わせを改善し、VFF、VUMPO、対称性保存のアンサターズを用いて回路深さを減らせるか。
• RQ3 化学、核構造、凝縮物質、グラフ最適化問題における異なる状態準備戦略がQCQMCの性能にどう影響するか。
• RQ4 Haar乱数基底状態準備がQCQMC内で有限温度推定を生み出せる程度はどの程度か。
• RQ5 収束を支配する実用的なハイパーパラメータ（時間T、時間刻みΔτ、初期ウォーカー）はどれか。

主な発見

f(H)	U_g	QMC^{(M)}_{G}	\overline{f^{(M)}}(H)
Ground State	VQE/VFF/VUMPO	M=0,G=1	E_{pr}^{(m)}
Excited States	VFF/VUMPO	M≠0,G=1	E_{var}^{(m)}
Optimization problem	VQE	M=0,G=1	E^{0}_{\rm{pr}},|\widetilde{\Psi}^{0}\rangle
Finite temperature averages	Random Haar/ t-design	M=0,G>1	E^{0}_{\rm{sf}}

• ドメイン特有の単位を用いて量子基底を調整することで、励起状態スペクトル、最適化、有限温度観測量に対処できる。
• VUMPOとVFFは弱く相関した系でほぼ正確なエネルギーを、古典的事前学習により支援される浅い回路で実現可能。
• 強く相関した系ではQCQMCの補正が正確な結果を得るために不可欠となる。
• Haar乱数基底状態準備により、純粋状態の動力学から有限温度推定をQCQMC内で得られる。
• 対称性とエンコーディング（例：ハミング重）を用いるとサブスペースのサイズと回路深さを抑えつつ、ターゲット特性を保持できる。
• 分子、物性、核構造、グラフ最適化ベンチマーク全体で、QCQMCの拡散ステップはエネルギー精度を一貫して向上させる。

Figure 2: Modified Hadamard test to compute the absolute value of all the transition matrix elements $|\widetilde{P}_{ij}|=|\langle b_{j}|U^{\dagger}PU|b_{i}\rangle|$ for a fixed input state $|b_{i}\rangle$ .