[論文レビュー] Majorana Tensor Decomposition: A unifying framework for decompositions of fermionic Hamiltonians to Linear Combination of Unitaries

Ignacio Loaiza, Artur F. Izmaylov+1 more|arXiv (Cornell University)|Jul 9, 2024

Advanced NMR Techniques and Applications被引用数 4

ひとこと要約

この論文は、フェルミオンハミルトニアンを線形結合ユニタリ（LCU）に分解するための統一的フレームワーク、Majoranaテンソル分解（MTD）を導入する。低ランクテンソル因子分解を用いて、Majorana演算子で表現されたハミルトニアンを扱い、Tucker や行列積状態（MPS）などのテンソル分解を活用することで、Tゲート数とアーキテクチャのアーキテクチャの要件を削減し、量子化学シミュレーションにおける量子回路コストを顕著に低減する。

ABSTRACT

Linear combination of unitaries (LCU) decompositions have appeared as one of the main tools for encoding operators on quantum computers, allowing efficient implementations of arbitrary operators. In particular, LCU approaches present a way of encoding information from the electronic structure Hamiltonian into a quantum circuit. Over the past years, many different decomposition techniques have appeared for the electronic structure Hamiltonian. Here we present the Majorana Tensor Decomposition (MTD), a framework that unifies existing LCUs and offers novel decomposition methods by using popular low-rank tensor factorizations.

研究の動機と目的

• フェルミオンハミルトニアンの既存のLCU分解手法を、単一の体系的フレームワークに統合すること。
• 1-ノルム λ を最小化し、回路深度と T ゲート数を最適化することで、LCUに基づく量子アルゴリズムのリソースコストを低減すること。
• Majorana演算子多項式を介して、振動系などのフェルミオンでないハミルトニアンに対しても LCU エンコーディングを拡張すること。
• スケーラブルでテンソル因子分解に基づくアプローチを提供し、量子アルゴリズムにおけるハミルトニアンオракルの効率的実装を可能にすること。
• MTD のバリエーション（例：MTD-L⁴、L⁴-MPS）を、標準的な LCU 法と比較して、T ゲート数とキュービット使用量の観点からベンチマーク化すること。

提案手法

• 電子構造ハミルトニアンを Majorana 演算子の和として表現することで、LCU分解の統一的表現を可能にする。
• 2電子積分テンソルに対して低ランクテンソル因子分解（Tucker や行列積状態（MPS））を適用し、LCU分解におけるユニタリ数を削減する。
• QROM と多重化 Givens 回転を用いて係数をロードする制御-SWAP および制御回転スキームにより、ブロックエンコーディングオラクルを構築する。
• アーキテクチャの最適化のために、共有リソース割り当てを用いてアーキテクチャのキュービットを最適化し、フェイルセーフな Toffoli と T ゲート構成を用いて SELECT 回路を実装する。
• テンソル構造を活用することで 1-ノルム λ を最小化し、qubitization を介した位相推定のコストを直接低減する。
• 非最適化および最適化された LCU 実装（MTD-L⁴ や L⁴-MPS バリエーションを含む）をサポートし、明示的な T ゲート数とキュービットコストの式を提供する。

実験結果

リサーチクエスチョン

• RQ1 フェルミオンハミルトニアンの多様な LCU 分解を、テンソル因子分解を用いて統一的フレームワークで表現できるか？
• RQ2 MTD-L⁴ や L⁴-MPS などのテンソルベース LCU 分解は、標準的な LCU 法と比較して、T ゲート数とキュービット使用量の観点でどの程度優れているか？
• RQ3 Majorana 演算子多項式とテンソル構造を活用することで、LCU 分解の 1-ノルム λ はどの程度低減可能か？
• RQ4 MTD フレームワークは、Majorana 演算子表現を介して、振動系などのフェルミオンでないハミルトニアンに拡張可能か？
• RQ5 異なる MTD バリエーションにおいて、T ゲート数とアーキテクチャのキュービット使用量のトレードオフはどの程度か？

主な発見

• MTD-L⁴ 分解は、T ゲート数 N(112β - 196) + 8W - 4、非再利用キュービット数 4 + 2N + b_W + 4β、再利用キュービット数 b_W を達成し、標準的な LCU と比較して T ゲート使用量が顕著に削減されている。
• L⁴-MPS バリエーションは、T ゲートコスト N(4α₂ + 112β - 192) + α₂(8α₁ + 8α₃) + 8α₁ + 4α₃ - 24 を示し、階層的テンソル構造によるスケーラビリティを実現している。
• MTD フレームワークは、2電子積分における低ランク構造を活用することで 1-ノルム λ を低減し、STO-3G 基底において 2-ノルム誤差 < 1×10⁻⁶ で収束が達成された。
• ハミルトニアンオラクルは、たった 4 個のハダマードゲートと 8L 個の R_Z 回転で効率的に実装可能で、フェイルセーフなオーバーヘッドを最小限に抑える。
• 複数の PREPARE 回路にわたってアーキテクチャのキュービットを共有することで、複数コンponent実装において総非再利用キュービット数を最大 50% 削減可能である。
• 制御 QROM と多重化 Givens 回転の使用により、T ゲートのオーバーヘッドを最小限に抑えつつ、LCU係数のスケーラブルなロードが可能である。