[論文レビュー] Reducing the Gate Count with Efficient Trotter-Suzuki Schemes

Marko Maležič, Johann Ostmeyer|arXiv (Cornell University)|Feb 24, 2026

Quantum many-body systems被引用数 0

ひとこと要約

この論文は高階の Trotter-Suzuki 分解への一般的なガイドを提示し、時間発展の効率を改善する最適化スキームを導入する。ヘイスバーグ XXZ 模型で実証。

ABSTRACT

Hamiltonian formulations of lattice field theories provide access to real-time dynamics, but their simulation is difficult to implement efficiently. Trotter-Suzuki decompositions are at the center of time evolution computation, either on quantum hardware or classically, for instance with the use of tensor networks. While low-order Trotterizations remain the standard choice due to their simplicity, higher-order schemes offer the potential for improved efficiency. In this work we outline a short guide to Trotter-Suzuki schemes and their implementations in general. To help with this, we highlight new efficient schemes found by our optimization framework, and demonstrate their performance on the Heisenberg model.

研究の動機と目的

• 時間発展のための高階 Trotter-Suzuki 分解を実装するための簡潔なガイドを提供する。
• 効率的な高階スキームを特定する最適化フレームワークを導入する。
• 格子スピンモデル（ヘイスバーグ XXZ）上で選択スキームの性能向上を示す。
• 一般的な Trotter 化進化を実装するための実用的なパラメータとアルゴリズムを提供する。

提案手法

• ハミルトン演算子 H = sum_k A_k に対して次数 n およびサイクル q を持つ一般的な S_n(h) Trotter-Suzuki 分解を提示する。
• スキームの効率を Eff_n = 1 / (q^n Err_n) と定義し、c_i および d_i のパラメータを最適化して leading-order の誤差 Err_n を最小化する方法を論じる。
• 対称スキームが偶数次数（n = 2,4,6,…）を与え、それらのパラメータ多様体を説明する。
• スキームのパラメータと局所演算子 A_k に基づいて時間発展を実装するアルゴリズム（リ ramp アプローチ）を提供する。
• Frobenius ノルムを用いて、選択したモデルと演算子指数の順序で Trotter 誤差を計算・比較する方法を示す。
• n=4 (q=6) および n=6 (q=14) の推奨パラメータの具体的な表を提供する。

実験結果

リサーチクエスチョン

• RQ1 局所ハミルトニアンの時間発展における高階（n ≥ 4）Trotter-Suzuki スキームは何か。
• RQ2 与えられたサイクル回数 q 内で leading-order の誤差を最小化し、効率を最大化するようスキームパラメータをどう最適化するか。
• RQ3 提案された高階スキームはヘイスバーグ XXZ チェーンのような多体モデルで歴史的スキームと比較して実用的な利得を生むか。
• RQ4 スキームパラメータは時間と系のサイズにわたる誤差蓄積にどう影響するか。
• RQ5 小規模なベンチマークはモデルに依らない大規模性能を信頼性高く情報提供できるか。

主な発見

• 新たな高効率な高階スキーム（n = 4, 6）と最適パラメータ集合の同定がヘイスバーグ XXZ モデル上の性能を向上させる。
• n=4 の場合、q=6 で推奨パラメータはパラメータ空間の原点に近く高効率を示す（表2に記載）。
• n=6 の場合、q=14 で推奨パラメータはパラメータ空間の原点に近く高効率を示す（表3に記載）。
• 最適な観測効率は、特定の次数における最大サイクル数 q=6（n=4）および q=14（n=6）で発生する。
• より高いサイクルに対する誤差の多様体は複雑になるが、原点近傍のパラメータ選択でも高性能を維持する。
• ヘイスバーグ XXZ モデルは系サイズと共に Trotter 誤差に平坦性を示し、これらのスキームがより大規模な系にもモデル非依存的に適用可能であることを示唆する。