[論文レビュー] Average-case Speedup for Product Formulas

Chi-Fang Chen, Fernando G. S. L. Brandão+1 more|arXiv (Cornell University)|Nov 9, 2021

Quantum Computing Algorithms and Architecture参考文献 45被引用数 5

ひとこと要約

本稿は、一様な滑らかさと超合同性を用いてよりタイトな誤差バインディングを導出し、製品公式量子シミュレーションにおけるゲート複雑度が平均ケースにおいて顕著に改善されることを示している。特に、高密度に接続された系において顕著な改善が得られる。主な貢献は、アルゴリズム的構造を変更せずに、典型的な入力状態に対して、より良いスケーリングが保証されることであり、最悪ケース推定を超えてリソースコストを低減できる点にある。

ABSTRACT

Quantum simulation is a promising application of future quantum computers. Product formulas, or Trotterization, are the oldest and still remain an appealing method to simulate quantum systems. For an accurate product formula approximation, the state-of-the-art gate complexity depends on the number of terms in the Hamiltonian and a local energy estimate. In this work, we give evidence that product formulas, in practice, may work much better than expected. We prove that the Trotter error exhibits a qualitatively better scaling for the vast majority of input states, while the existing estimate is for the worst states. For general $k$-local Hamiltonians and higher-order product formulas, we obtain gate count estimates for input states drawn from any orthogonal basis. The gate complexity significantly improves over the worst case for systems with large connectivity. Our typical-case results generalize to Hamiltonians with Fermionic terms, with input states drawn from a fixed-particle number subspace, and with Gaussian coefficients (e.g., the SYK models). Technically, we employ a family of simple but versatile inequalities from non-commutative martingales called $ extit{uniform smoothness}$, which leads to $ extit{Hypercontractivity}$, namely $p$-norm estimates for $k$-local operators. This delivers concentration bounds via Markov's inequality. For optimality, we give analytic and numerical examples that simultaneously match our typical-case estimates and the existing worst-case estimates. Therefore, our improvement is due to asking a qualitatively different question, and our results open doors to the study of quantum algorithms in the average case.

研究の動機と目的

• 製品公式量子シミュレーションにおける最悪ケースと通常ケースの性能のギャップを解消すること。
• 入力状態全体にわたるトロッター誤差の平均ケース行動を分析することで、ゲート複雑度の推定を改善すること。
• k-局所ハミルトニアン、フェルミオン系、およびガウス係数を持つモデル（例：SYKモデル）への理論的境界の拡張。
• 行列マルティングルール技術を用いて、通常ケース解析と既存の最悪ケース境界を統合するフレームワークを提供すること。
• 実際のシミュレーションでは、特に高接続性を持つ系において、最悪ケース推定が示すよりもはるかに少ないリソースで実現可能であることを示すこと。

提案手法

• 非可換マルティングルール理論からの一様な滑らかさ不等式を適用し、トロッター誤差演算子のpノルムをバインドする。
• 超合同性を用いて、マーコフの不等式を介し、k-局所ハミルトニアンにおけるpノルムの集中を導出する。
• 任意の固定された正規直交基底から抽出された入力状態、特に低粒子数部分空間に対してもゲート複雑度を分析する。
• 行列値マルティングルール分解を用いて、逐次的に演算子ノルムと誤差蓄積をバインドする。
• ガウス係数を持つランダムハミルトニアン（例：SYKモデル）へ一般化可能なフレームワークを導入する。
• 解析的および数値的例を通じて、結果の妥当性を検証し、通常ケースと最悪ケースの両方の境界と一致させ、最適性を証明する。

実験結果

リサーチクエスチョン

• RQ1 製品公式シミュレーションにおいて、通常の入力状態と最悪の状態とでは、トロッター誤差はどのようにスケーリングするか？
• RQ2 平均ケースの行動を分析することで、実際の製品公式のゲート複雑度を著しく低減できるか？
• RQ3 系の接続性は、製品公式の通常ケース誤差スケーリングにどのような役割を果たすか？
• RQ4 既存の最悪ケース境界は、現実の量子シミュレーションにおいてリソースコストをどの程度過大評価しているか？
• RQ5 超合同性と一様な滑らかさは、k-局所およびフェルミオン系ハミルトニアンの平均ケースにおいて、タイトで保証可能な誤差バインディングを提供できるか？

主な発見

• 一般のk-局所ハミルトニアンにおいて、製品公式のゲート複雑度は、平均ケースで最悪ケースよりも顕著に改善され、特に高密度接続系において顕著である。
• 本稿は、特定の状況において通常ケース誤差バインディングが既存の最悪ケースバインディングと一致することを確立しており、改善はアルゴリズム的革新ではなく、分析の枠組みの変更に起因することを示している。
• ガウス係数を持つランダムハミルトニアン（例：SYKモデル）において、平均ケースのゲート複雑度はO(nℓ^d ||H_tr||_{(1),2})で有界であり、ℓ ~ (nt²/ε)^{1/(2α−d)}である。これは、演算子ノルム推定を上回る改善を示している。
• 一様な滑らかさと超合同性の使用により、pノルムの集中バインディングが得られ、従来の最悪ケース解析よりもタイトな誤差推定が可能になる。
• 低粒子数部分空間においても、通常ケースの改善は顕著であり、フェルミオン系や実験的量子シミュレーションへの適用可能性が示されている。
• 特定の状況において、オーバーヘッドに定数倍の改善が達成され、通常ケースと最悪ケースの両方の状況で一致する例を通じて、境界の最適性が示されている。