[논문 리뷰] A unified quantum computing quantum Monte Carlo framework through structured state preparation

Giuseppe Buonaiuto, Antonio Márquez Romero외 5명|arXiv (Cornell University)|2026. 03. 26.

Quantum Computing Algorithms and Architecture인용 수 0

한 줄 요약

본 논문은 작업에 맞춤형 양자 상태 준비 유닛을 사용하여 QCQMC를 확장하고 바닥 상태, 여기상 상태, 최적화 및 다중 도메인에서의 유한 온도 문제를 다루며, 교차 도메인 벤치마크에서 QMC 확산이 정확도를 향상시킴을 보인다.

ABSTRACT

We extend Quantum Computing Quantum Monte Carlo (QCQMC) beyond ground-state energy estimation by systematically constructing the quantum circuits used for state preparation. Replacing the original Variational Quantum Eigensolver (VQE) prescription with task-adapted unitaries, we show that QCQMC can address excited-state spectra via Variational Fast Forwarding and the Variational Unitary Matrix Product Operator (VUMPO), combinatorial optimization via a symmetry-preserving VQE ansatz, and finite-temperature observables via Haar-random unitaries. Benchmarks on molecular, condensed-matter, nuclear-structure, and graph-optimization problems demostrate that the QMC diffusion step consistently improves the energy accuracy of the underlying state-preparation method across all tested domains. For weakly correlated systems, VUMPO achieves near-exact energies with significantly shallower circuits by offloading optimization to a classical tensor-network pre-training step, while for strongly correlated systems, the QMC correction becomes essential. We further provide a proof-of-concept demonstration that Haar-random basis state preparation within QCQMC yields finite-temperature estimates from pure-state dynamics.

연구 동기 및 목표

• QCQMC를 바닥 상태 에너지 추정 이상으로 확장하려는 동기 부여.
• 상태 준비 유닛ary를 달리하여 도메인 전반에 걸쳐 QCQMC를 적용하는 일반 워크플로를 개발.
• VQE, VFF, VUMPO 등으로 도메인 특화 기저를 통해 목표 상태와의 중첩(overlap)을 개선하는 방법.
• QCQMC 내에서 유한 온도 및 여기 상태 기능을 시연.
• 분자, 응집 물질, 핵 구조, 그래프 최적화 문제에 걸친 벤치마크를 통해 성능을 평가.

제안 방법

• 표준 VQE 기반 상태 준비를 도메인에 맞춘 유니타리 U_g로 대체하여 양자 행군자( walkers ) 생성.
• 양자 행군자를 |ψ̃_i⟩ = U_g|b_i⟩로 구성하고 변환된 기저에서 해밀토니안 행렬 요소를 계산.
• 다중 목표(M) 연쇄 평가를 통한 여기 상태 및 유한 온도 추정을 포함하는 QCQMC 확산 단계로 행군자 전파.
• 해밀토니안 행렬 요소의 전이 진폭 및 부호를 추정하기 위한 Hadamard-테스트 기반 회로 사용.
• VQE, VFF, VUMPO, SPA, UCCSD, HEA 등의 다양한 상태 준비 전략과 대칭 보존 인코딩을 탐색하여 표현력과 회로 깊이를 제어.
• 프로젝트 에너지, 변분 에너지, Haar-랜덤 기반 열 추정 등 목표량에 대한 추정치를 제공.

Figure 1: A schematic workflow of the Cross-domain QCQMC.

실험 결과

연구 질문

• RQ1 QCQMC를 바닥 상태 에너지 추정 이상으로 확장하여 여기 상태, 최적화 및 유한 온도 관측치를 다룰 수 있는가?
• RQ2 VFF, VUMPO 또는 대칭 보존 해석자(symmetric-preserving ansätze)로 문제별 양자 기저를 개선해 목표 상태와의 중첩을 높이고 회로 깊이를 줄일 수 있는가?
• RQ3 화학, 핵 구조, 응집 물질, 그래프 최적화 문제에서 서로 다른 상태 준비 전략이 QCQMC 성능에 어떤 영향을 미치는가?
• RQ4 Haar-랜덤 기저 상태 준비를 통해 QCQMC 내부에서 유한 온도 추정치를 얻을 수 있는가?
• RQ5 수렴을 지배하는 실용적 하이퍼파라미터(T, Δτ, 초기 행군자 수)가 도메인 간에 어떻게 달라는가?

주요 결과

f(H)	U_g	QMC^{(M)}_{G}	\overline{f^{(M)}}(H)
Ground State	VQE/VFF/VUMPO	M=0,G=1	E_{pr}^{(m)}
Excited States	VFF/VUMPO	M≠0,G=1	E_{var}^{(m)}
Optimization problem	VQE	M=0,G=1	E^{0}_{\rm{pr}},|\widetilde{\Psi}^{0}\rangle
Finite temperature averages	Random Haar/ t-design	M=0,G>1	E^{0}_{\rm{sf}}

• QCQMC 프레임워크는 도메인 특화 유니타리로 기저를 조정함으로써 여기 상태 스펙트럼, 최적화 및 유한 온도 관측치를 다룰 수 있다.
• VUMPO와 VFF는 약하게 상호작용하는 시스템에서 얕은 회로로도 거의 정확한 에너지를 가능하게 하며, 고전적 사전 학습으로 도움을 받는다.
• 강하게 상호작용하는 시스템의 경우 QCQMC 보정이 정확한 결과를 얻는 데 필수적이다.
• Haar-랜덤 기저 상태 준비를 통해 QCQMC 내에서 순수 상태 다이나믹스에서 유한 온도 추정치를 얻을 수 있다.
• 대칭 및 인코딩(Hamming 가중치 등)을 사용하면 하위 공간 규모와 회로 깊이를 줄이면서도 목표 특성을 보존할 수 있다.
• 분자, 응집 물질, 핵 구조 및 그래프 최적화 벤치마크에서 QCQMC 확산 단계가 에너지 정확도를 지속적으로 향상시킨다.

Figure 2: Modified Hadamard test to compute the absolute value of all the transition matrix elements $|\widetilde{P}_{ij}|=|\langle b_{j}|U^{\dagger}PU|b_{i}\rangle|$ for a fixed input state $|b_{i}\rangle$ .