[論文レビュー] Guaranteed efficient energy estimation of quantum many-body Hamiltonians using ShadowGrouping

Alexander Gresch, Martin Kliesch|arXiv (Cornell University)|Jan 9, 2023

Quantum Computing Algorithms and Architecture被引用数 4

ひとこと要約

本稿では、単一キュービット測定を用いて、量子多体ハミルトニアンのエネルギー推定を効率的かつ証明可能に正確に行うための新規手法ShadowGroupingを提案する。シャドウ推定と最適化されたパウリストリンググループ化を組み合わせることで、測定のオーバーヘッドを低減し、分子の基底状態エネルギーにおける理論的保証と数値ベンチマークの両面で最先端の手法を上回る性能を達成する。

ABSTRACT

Estimation of the energy of quantum many-body systems is a paradigmatic task in various research fields. In particular, efficient energy estimation may be crucial in achieving a quantum advantage for a practically relevant problem. For instance, the measurement effort poses a critical bottleneck for variational quantum algorithms. We aim to find the optimal strategy with single-qubit measurements that yields the highest provable accuracy given a total measurement budget. As a central tool, we establish new tail bounds for empirical estimators of the energy. They are helpful for identifying measurement settings that improve the energy estimate the most. This task constitutes an NP-hard problem. However, we are able to circumvent this bottleneck and use the tail bounds to develop a practical, efficient estimation strategy, which we call ShadowGrouping. As the name indicates, it combines shadow estimation methods with grouping strategies for Pauli strings. In numerical experiments, we demonstrate that ShadowGrouping improves upon state-of-the-art methods in estimating the electronic ground-state energies of various small molecules, both in provable and practical accuracy benchmarks. Hence, this work provides a promising way, e.g., to tackle the measurement bottleneck associated with quantum many-body Hamiltonians.

研究の動機と目的

• 変分量子アルゴリズムや量子シミュレーションにおける測定ボトルネックに対処し、ハミルトニアン期待値の推定が性能の制限要因となる状況を改善すること。
• 固定された総測定予算のもとで推定誤差を最小化する戦略を開発すること。特に単一キュービット測定に焦点を当てる。
• 経験的エネルギー推定器のための厳密な尾確率バウンド（tail bounds）を提供し、最適な測定設定の選定を支援すること。
• 高い精度を維持しながらも、証明可能な誤差バウンドを保つ実用的で効率的な推定プロトコルを設計すること。
• 小分子の電子基底状態エネルギー推定において、既存の手法と比較して優れた性能を示すことを実証すること。

提案手法

• 有限サンプリング下でのエネルギー推定の精度を定量化するための、経験的エネルギー推定器に対する新しい尾確率バウンドを導入する。
• これらの尾確率バウンドを用いて、与えられた測定予算のもとで推定精度を最大化する最適な測定設定（ユニタリ）の選定を支援する。
• シャドウ推定（ランダム測定プロトコル）とパウリストリングのグループ化戦略を統合した、ShadowGroupingフレームワークを構築する。
• 導出された尾確率バウンドを活用し、推定誤差の上界の最小化として測定設定最適化を定式化する。
• ハミルトニアン構造と測定予算に適合したユニタリのリストを生成する前処理ステップを実装する。
• 単一キュービット測定からの測定結果を後処理し、証明可能な精度保証を持つ最終的なエネルギー推定器を計算する。

実験結果

リサーチクエスチョン

• RQ1 量子多体ハミルトニアンのエネルギー推定において、最小限の測定リソースで高い精度を保証する測定戦略を設計可能か？
• RQ2 経験的推定器の尾確率バウンドを活用することで、計算的に効率的な方法で最適な測定設定を選定できるか？
• RQ3 シャドウ推定とパウリストリンググループ化を組み合わせることで、既存の手法と比較してエネルギー推定精度がどの程度向上するか？
• RQ4 小分子ハミルトニアンにおける実用的ベンチマークにおいて、提案手法はランダムまたはヒューリスティックな測定戦略を上回るか？
• RQ5 尾確率バウンドから導かれる構造的測定設定を用いることで、推定精度に証明可能な利点が得られるか？

主な発見

• ShadowGroupingは、ランダムパウリ設定や既存のグループ化戦略を含む最先端の手法と比較して、小分子の電子基底状態エネルギー推定において優れた性能を示した。
• 数値ベンチマークの結果、ShadowGroupingはランダムパウリ設定と比較して、平均二乗誤差（RMSE）を最大で4倍まで低減した。全テスト分子においても改善が確認された。
• STO-3G基底関数を用いたH₂分子において、ShadowGroupingは27 ± 3 mHaのRMSEを達成した。一方、シングルショット推定器では50 ± 6 mHaであった。
• H₂OやNH₃といったより大きな系においても、ShadowGroupingはランダムパウリ設定と比較してRMSEを3倍以上低減し、それぞれ320 ± 40 mHaおよび430 ± 50 mHaの誤差を達成した。
• 測定予算に応じて有利にスケーリングする証明可能な誤差バウンドを提供しており、理論的保証と実測性能が対数因子を除いて一致した。
• 尾確率バウンドから導かれたシングルショット推定器は実際の性能で競争力がなく、グループ化による推定結果の再利用がより効果的であることが示唆された。