[論文レビュー] Lie-algebraic classical simulations for quantum computing

Matthew L. Goh, Martín Larocca+3 more|arXiv (Cornell University)|Aug 2, 2023

Neural Networks and Reservoir Computing被引用数 10

ひとこと要約

g-sim と呼ばれるフレームワークは、ダイナミカル・リー代数を用いて特定の量子回路のスケーラブルな古典シミュレーションを実行し、VQA領域、初期化、回路合成、量子位相分類にわたるデモを示します。

ABSTRACT

The classical simulation of quantum dynamics plays an important role in our understanding of quantum complexity, and in the development of quantum technologies. Efficient techniques such as those based on the Gottesman-Knill theorem for Clifford circuits, tensor networks for low entanglement-generating circuits, or Wick's theorem for fermionic Gaussian states, have become central tools in quantum computing. In this work, we contribute to this body of knowledge by presenting a framework for classical simulations, dubbed "$\mathfrak{g}$-sim", which is based on the underlying Lie algebraic structure of the dynamical process. When the dimension of the algebra grows at most polynomially in the system size, there exists observables for which the simulation is efficient. Indeed, we show that $\mathfrak{g}$-sim enables new regimes for classical simulations, is able to deal with certain forms of noise in the evolution, as well as can be used to tackle several paradigmatic variational and non-variational quantum computing tasks. For the former, we perform Lie-algebraic simulations to train and optimize parametrized quantum circuits (thus effectively showing that some variational models can be dequantized), design enhanced parameter initialization strategies, solve tasks of quantum circuit synthesis, and train a quantum-phase classifier. For the latter, we report large-scale noiseless and noisy simulations on benchmark problems. By comparing the limitations of $\mathfrak{g}$-sim and certain Wick's theorem-based simulations, we find that the two methods become inefficient for different types of states or observables, hinting at the existence of distinct, non-equivalent, resources for classical simulation.

研究の動機と目的

• 量子ダイナミクスを古典的にシミュレートするためのリー代数的（g-sim）手法を動機づけ、形式化する。
• ダイナミカル・リー代数の次元が多項式である条件を特定し、スケーラブルなシミュレーションを可能にする。
• 回路最適化、初期化、合成、QML分類を含む変分量子計算タスクへの g-sim の適用性を示す。

提案手法

• 回路生成子 {H_k} からダイナミカル・リー代数 g を定義し、その次元を主要なスケーラビリティ指標として計算する。
• g-sim フレームワークにおける随伴表現を用いて基底可観測量の期待値ベクトルを進化させる形でダイナミクスを表現する。
• i g にある観測量 O を、bar{H}_k = Φ_g^{ad}(H_k) および e_out = (∏ e^{-i θ_{lk} bar{H}_k}) e_in の公式を用いて、e_in から線形に進化させて計算する。
• 効率的な時間計算量を示す：代数観測量に対しては O(L K dim(g)^2)、二つの観測量の積に対しては O(L K dim(g)^3)、勾配計算は O(L K dim(g)^2) にスケーリング。
• 混合ユニタリーチャネルと、g-sim に適合させた逆モード微分による勾配ベースの最適化へ拡張する。
• VQE における過剰パラメータ化、改善された回路初期化、量子回路合成、量子位相分類器の訓練という4つのタスクで g-sim をデモンストレーションする。

実験結果

リサーチクエスチョン

• RQ1 どの条件下でリー代数的シミュレーションは量子回路の古典的スケーラビリティを持つのか？
• RQ2 g-sim フレームワークをどのように活用して変分量子計算における最適化、初期化、合成、QMLタスクを改善できるか？
• RQ3 g-sim 内での観測量と相関関数のシミュレーションの計算量はどの程度で、従来の状態ベクトル法とどう比較されるか？
• RQ4 g-sim を混合ユニタリーダイナミクスや勾配ベースの学習フレームワークへ拡張できるか？
• RQ5 g-sim ベースのシミュレーションが VQAs および QML モデルのベンチマークと開発にどんな実践的利点を提供するか？

主な発見

• g-sim は dim(g) が系のサイズと多項式的に成長すると多項式時間スケーリングをもたらし、ナイーブ法を超えた特定の量子回路の古典的シミュレーションを可能にする。
• 隣接表現は、g にサポートされた観測量の期待値と勾配の効率的な計算を可能にし、証明された計算量を提供する。
• 代数観測量については進化が実数値線形代数に還元され、時間計算量は O(L K dim(g)^2); 二つの代数観測量の積については O(L K dim(g)^3)。
• g-sim における逆モード微分による勾配計算は、指定された形の回路に対して O(L K dim(g)^2) の計算量を達成する。
• ベンチマークは状態ベクトル法が指数的にスケールするのに対し、g-sim は多項式的にスケールし、実験設定で1つのCPUコアで数百量子ビットのシミュレーションを可能にする。
• VQAs、回路初期化、回路合成、量子位相分類への応用を通じて、実用的な量子計算タスクにおける g-sim の汎用性を示す。