[論文レビュー] Mixing Time of Quantum Gibbs Sampling for Random Sparse Hamiltonians

Akshar Ramkumar, Mehdi Soleimanifar|arXiv (Cornell University)|Nov 7, 2024

Markov Chains and Monte Carlo Methods被引用数 1

ひとこと要約

本稿は、任意の定常温度におけるランダムなスパースハミルトニアン上での量子ギブズサンプリングアルゴリズムの多項式対数時間の混合時間バウンドを確立し、リンドブラジアンのスペクトルギャップ解析を通じて収束の効率性を示している。この結果により、アルゴリズムの実行時間は系のサイズに対して効率的にスケーリングされ、量子系の熱状態準備において古典的MCMC手法と同等の性能を示すことが明らかになった。

ABSTRACT

Providing evidence that quantum computers can efficiently prepare low-energy or thermal states of physically relevant interacting quantum systems is a major challenge in quantum information science. A newly developed quantum Gibbs sampling algorithm [Chen et al., 2023] provides an efficient simulation of the detailed-balanced dissipative dynamics of non-commutative quantum systems. The running time of this algorithm depends on the mixing time of the corresponding quantum Markov chain, which has not been rigorously bounded except in the high-temperature regime. In this work, we establish a polylog(n) upper bound on its mixing time for various families of random n × n sparse Hamiltonians at any constant temperature. We further analyze how the choice of the jump operators for the algorithm and the spectral properties of these sparse Hamiltonians influence the mixing time. Our result places this method for Gibbs sampling on par with other efficient algorithms for preparing low-energy states of quantumly easy Hamiltonians.

研究の動機と目的

• 非可換な量子系における量子ギブズサンプリングアルゴリズムの混合時間の厳密なバウンドを求める。
• ジャンプ演算子とスパースハミルトニアンのスペクトル特性が収束速度に与える影響を分析する。
• 高温領域を超えた範囲でもCKGアルゴリズムの理論的効率性を確立する。
• 物理的に関連性のあるスパースハミルトニアンに対して、量子ギブズサンプリングが効率的な熱状態準備を達成できることを示す。

提案手法

• CKGアルゴリズムのリンドブラジアンダイナミクスを分析し、量子系における詳細平衡を満たす散乱的過程を模倣する。
• 行列ベルヌーイの不等式を用いて、ランダムなジャンプ演算子に起因するリンドブラジアンの摂動をバウンドする。
• ワイエルの定理を用いて、全リンドブラジアンのスペクトルギャップを基準となる平均演算子のものと関連付ける。
• エネルギー分解型ジャンプ演算子とスペクトル分解を用いて、スペクトルギャップの下界を導出する。
• 有界および非有界次数のスパースハミルトニアンを両方検討し、局所的ジャンプを持つハイパーキューブモデルも含む。
• ハイパーキューブ上での局所的ジャンプ演算子が、Ω(1/d)のスペクトルギャップをもたらし、系のサイズに対して多項式対数時間の混合時間に相当することを示した。

実験結果

リサーチクエスチョン

• RQ1 CKG量子ギブズサンプラーの混合時間は、高温領域を超えてスパースハミルトニアンに対してバウンド可能か？
• RQ2 ジャンプ演算子の選択とスパースハミルトニアンのスペクトル構造が、アルゴリズムの収束速度にどのように影響するか？
• RQ3 定常温度におけるランダムなスパースハミルトニアンに対して、CKGリンドブラジアンにおけるスペクトルギャップのスケーリングはいかほどか？
• RQ4 ハイパーキューブのような構造的グラフ上での局所的ジャンプ演算子は、量子ギブズサンプリングの効率的混合を達成できるか？
• RQ5 CKGリンドブラジアンのスペクトルギャップは、ジャンプ演算子のランダムなフラクチュエーションに対して頑健か？

主な発見

• 任意の定常逆温度βに対して、ランダムなn×nスパースハミルトニアン上でのCKGアルゴリズムの混合時間はO(polylog(n))でバウンドされる。
• リンドブラジアンのスペクトルギャップは、Ω(δ(n))で下界が与えられ、ここでδ(n)はハミルトニアン固有値のスペクトル分離度を定量化する。
• 局所的ジャンプ演算子を用いたd次元ハイパーキューブでは、スペクトルギャップがΩ(1/d)であり、キュービット数に関して多項式対数時間の混合時間に相当する。
• 行列ベルヌーイの不等式を用いて、ジャンプ演算子のランダムな摂動に対してもアルゴリズムの性能が頑健であることが示された。
• ハイパーキューブ上での局所的ジャンプ演算子の使用は、単純な1-デザインジャンプに比べて混合時間に指数的改善をもたらす。
• 本結果により、物理的に関連性のあるスパースハミルトニアンに対して、量子ギブズサンプリングが効率的な熱状態準備を達成でき、有利な場合に古典的MCMCと同等の効率性を示すことが確立された。