[論文レビュー] Simulating Quantum Walk Hamiltonians without Pauli Decomposition

Mostafa Atallah, Alvin Gonzales+4 more|arXiv (Cornell University)|Jan 16, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

論文は、Pauli分解を用いない sparse グラフ上の連続時間量子ウォークを実装するためのマッチング分解アルゴリズムを提案し、Pauliベースの方法と比べてCXゲート数と回路深さを低減する。さらに、正確なマッチング分解の理論条件を提供し、精度を分析する。

ABSTRACT

In this work, we present a new algorithm for generating quantum circuits that efficiently implement continuous time quantum walks on arbitrary simple sparse graphs. The algorithm, called matching decomposition, works by decomposing a continuous-time quantum walk Hamiltonian into a collection of exactly implementable Hamiltonians corresponding to matchings in the underlying graph followed by a novel graph compression algorithm that merges edges in the graph. Lastly, we convert the walks to a circuit and Trotterize over these components. The dynamics of the walker on each edge in the matching can be implemented in the circuit model as sequences of CX and CRx gates. We do not use Pauli decomposition when implementing walks along each matching. Furthermore, we compare matching decomposition to a standard Pauli-based simulation pipeline and find that matching decomposition consistently yields substantial resource reductions, requiring up to 43% fewer controlled gates and up to 54% shallower circuits than Pauli decomposition across multiple graph families. Finally, we also present examples and theoretical results for when matching decomposition can exactly simulate a continuous-time quantum walk on a graph.

研究の動機と目的

• 任意の単純な sparse グラフ上での連続時間量子ウォークの回路構成法を開発する。
• CTQWハミルトニアンをマッチングに分解し、エッジを圧縮してゲート数を削減する。
• エッジ単位実装でPauli分解を回避し、資源コストを比較する。
• 正確なマッチング分解の精度と条件を解析する。
• Pauliベース法と多様なグラフファミリを横断してベンチマークする。

提案手法

• CTQW隣接ベースのハミルトニアンを貪欲的なマッチング分解を用いてマッチングの集合に分解する。
• 反復的なグラフ圧縮を適用してエッジを統合し、必要な量子ビット数を削減する。
• 基底変換と多重制御Rxゲートを用いて圧縮エッジの回路を構成する。
• ハミルトニアン全体をマッチングの和としてツォーター分解を実装する。
• Pauliベースのツォーター分解と比較して作用素ノルム誤差とCXゲート数を比較する。
• グラフが共通のマッチング分解を許す条件について理論的結果を提供する。

Figure 3: The 2-norm of the operator difference $\|e^{-iAt}-U_{\text{Trotter}}\|_{2}$ between the exact CTQW evolution and Trotterized approximations for the 8-vertex connected graph dataset. Lines show mean values over all graphs for matching decomposition (blue, circles) and Pauli decomposition (o

実験結果

リサーチクエスチョン

• RQ1 マッチング分解はCTQWシミュレーションにおいてPauli分解と比較して競争力のある、あるいは優れた資源コストを提供するか。
• RQ2 グラフ圧縮は精度を犠牲にせずにCXゲート数と回路深さをどの程度削減できるか。
• RQ3 どのような条件でマッチング分解は正確なCTQWシミュレーションや可換部分構造を生み出せるか。
• RQ4 精度（2ノルム誤差）はマッチング分解とPauli分解でグラフタイプ間でどう異なるか。
• RQ5 疎性やハミング構造といったグラフ特徴はマッチング分解の利点にどう影響するか。

主な発見

• マッチング分解は試験対象グラフでPauli分解より最大43%のCXゲート削減を達成。
• 接続グラフではマッチング分解により回路深さが最大54%浅くなる。
• 8–128頂点のグラフで、マッチング分解とPauli分解の作用素ノルム誤差は同程度で、O(t^2/N)にスケールする。
• 特定のハミング構造を持つグラフ（純粋なH1エッジでないもの）はCX削減が大きくなる。
• グラフサイズが大きくなるにつれて、CXゲートと回路深さの削減がそれぞれ25–43%および31–49%となる二つのデータセットがある。
• 共通のマッチングを持ついくつかのグラフでは機械精度の誤差が生じ、これらのケースでは正確なシミュレーションが可能であることを示唆する。

(a) CX Gate Count