[論文レビュー] Variance reduction methods in the estimation of Pauli sums

Søren Fuglede Jørgensen, R. E. Barfknecht+2 more|arXiv (Cornell University)|Mar 20, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

論文は Pauli-sum 観測量の分散削減の統一フレームワークを提示し、既存および新しい測定戦略を概説し、電子構造ハamiltonians に対して測定資源を削減することをベンチマークします。

ABSTRACT

Accurately estimating expectation values of quantum observables with as few measurements as possible is crucial to many quantum computing applications. We introduce a framework that covers many of existing measurement strategies and introduce heuristics that can be used to enhance randomized schemes, including those based on Pauli grouping with inverse probability weighting and variants of the classical shadow algorithm. We show how to maximize information gain from such schemes, while carefully optimizing the distribution of possible measurements, and show that simple grouping algorithms can get close to, and in some cases exceed, state-of-the-art accuracy for unbiased estimation of expectation values on a standard quantum chemistry benchmark. We show how these randomized methods may be compared to more recent measurement schemes, such as shadow grouping, derandomized shadow, and overlapped grouping measurement, we show how the same strategies can be used to augment these schemes, and we demonstrate that we can reduce measurement costs by up to a factor of two by allowing Clifford measurement circuits for otherwise Clifford-less methods.

研究の動機と目的

• 有限の測定で Pauli 和として表される観測量の期待値推定を効率化する Motivations を提示する。
• 測定スケジュール、グルーピング、割り当て、後処理を統一的に組み合わせて分散を最小化する枠組みを提供する。
• Pauli グルーピングと階層抽出の新しいアルゴリズムを導入・比較する。
• バイアスと分散のトレードオフが、特定の構成で結果を偏らせず推定を改善できる方法を示す。
• 標準的な分子ハミルトニアンで手法をベンチマークして実践的な選択を導く。

提案手法

• 観測量を実係数を持つ Pauli 和としてモデル化し、対角互換な Pauli 文字列の測定を介して ⟨O⟩ を推定する。
• 推定量を2つのファミリーに分類する：乱択スケジュール（逆確率重み付け、Horvitz–Thompson）と測定ショット固定スケジュール＋後処理。
• Pauli 可換グラフ（キュービットごと可換と全可換）を構築し、グルーピングを最小 clique cover 問題に還元する。
• 整数計画法、貪欲法、カラム生成、最大重対数クリーク法を用いて測定グループを得る。
• 最大化と Clifford 化を組み込んでグルーピング手法を拡張し、測定回数を削減する。
• 割り当て戦略（確率重み、ショット割り当て）を用いて測定予算下で資源利用を最適化する。

実験結果

リサーチクエスチョン

• RQ1 固定測定予算の下で Pauli-sum 観測量の期待値を推定する際、分散削減はどのように達成できるか。
• RQ2 標準的な分子ハミルトニアンに対するさまざまな Pauli グルーピング、スケジューリング、後処理戦略の相対的な性能はどうか。
• RQ3 Clifford 化とバイアス-分散トレードオフは、推定品質を損なわずに実質的な測定節約を生み出せるか。
• RQ4 observable-aware および分散認識サンプリング戦略は、古典的なシャドウ法や他のグルーピング手法と比べて測定効率にどう影響するか。
• RQ5 測定回路での qubit-wise 可換と全可換を選択する実践的影響は資源使用にどう影響するか。

主な発見

System	|V|	|EQWC|	|CQWC|	|EFC|	|CFC|
H2 (STO-3G)	4	15	59	5	89	2
H2 (6-31G)	8	185	4682	617	9804	2340

• 単純なグルーピングアルゴリズム（例：最低分散優先）は、ブランクス・パイプラインの unbiased Pauli-sum 推定で最先端の精度に近づく、あるいは上回ることがある。
• シャドウ法ベースの手法は概して有用だが、特定の分子（例：BeH2）では LDF ベースのグルーピングが最良の精度をもたらす場合がある。
• Clifford 化は Clifford-なしの手法を拡張し、測定回数を最大で2倍削減できる事例がある。
• Horvitz–Thompson および逆確率重み付け推定量に対する、測定努力の最適配分（確率とショット数）が性能を改善する。
• 分割の直交的な層化は情報的には無駄になることが多く、重複グループと最大化が効率を改善する。
• Pauli-sum の切り捨てや非乱択化スキームのバイアス導入は、バイアスと分散をトレードオフして実用的な利得を得られる。