[논문 리뷰] Majorana Tensor Decomposition: A unifying framework for decompositions of fermionic Hamiltonians to Linear Combination of Unitaries

Ignacio Loaiza, Artur F. Izmaylov외 1명|arXiv (Cornell University)|2024. 07. 09.

Advanced NMR Techniques and Applications인용 수 4

한 줄 요약

이 논문은 페르미온 해밀토니안을 선형 단위기호(Linear Combinations of Unitaries, LCU)로 분해하기 위한 통합 프레임워크인 마요라나 텐서 분해(Majorana Tensor Decomposition, MTD)를 소개한다. 낮은 질량의 텐서 분해 기법(예: 터커 및 행렬 곱 상태)을 활용하여 해밀토니안을 마요라나 연산자로 표현함으로써, 더 적은 T-게이트 수와 앤시일라 큐비트 요구량을 갖는 더 효율적인 LCU 구현이 가능해지며, 이는 양자 화학 시뮬레이션에서 양자 회로 비용을 크게 낮춘다.

ABSTRACT

Linear combination of unitaries (LCU) decompositions have appeared as one of the main tools for encoding operators on quantum computers, allowing efficient implementations of arbitrary operators. In particular, LCU approaches present a way of encoding information from the electronic structure Hamiltonian into a quantum circuit. Over the past years, many different decomposition techniques have appeared for the electronic structure Hamiltonian. Here we present the Majorana Tensor Decomposition (MTD), a framework that unifies existing LCUs and offers novel decomposition methods by using popular low-rank tensor factorizations.

연구 동기 및 목표

• 페르미온 해밀토니안의 기존 LCU 분해 방법들을 하나의 체계적인 프레임워크로 통합하는 것.
• 1-노름 λ를 최소화하고 회로 깊이 및 T-게이트 수를 최적화하여 LCU 기반 양자 알고리즘의 자원 비용을 줄이는 것.
• 마요라나 연산자 다항식을 통해 비페르미온 해밀토니안(예: 진동 시스템)으로의 LCU 인코딩을 확장하는 것.
• 스케일러블한 텐서 분해 기반 접근법을 제공하여 양자 알고리즘에서 해밀토니안 오ракูล의 효율적 구현을 가능하게 하는 것.
• 표준 LCU 방법과 비교하여 MTD 변종(MTD-L⁴, L⁴-MPS 등)의 T-게이트 수와 큐비트 사용량을 기준으로 벤치마킹하고 비교하는 것.

제안 방법

• 전자 구조 해밀토니안을 마요라나 연산자의 합으로 표현함으로써, LCU 분해의 통합 표현을 가능하게 한다.
• 두 전자 상호작용 텐서에 대해 저질량 텐서 분해 기법(예: 터커 및 행렬 곱 상태(MPS))를 적용하여 LCU 분해에 포함되는 유니터리 수를 감소시킨다.
• 제어된 스위프트 및 제어된 로테이션 기반의 방식을 사용하여 블록 인코딩 오라클을 구성하며, QROM과 다중화된 기빙스 회전을 활용해 계수를 로드한다.
• SELECT 회로는 고장 내성 Toffoli 및 T-게이트 구성 방식을 사용하며, 공유 자원 할당을 통해 앤시일라 큐비트를 최적화한다.
• 텐서 구조를 활용하여 1-노름 λ를 최소화함으로써, 큐비트화를 통한 위상 추정의 비용을 직접적으로 감소시킨다.
• 비최적화 및 최적화된 LCU 구현 방식을 모두 지원하며, MTD-L⁴ 및 L⁴-MPS 변종을 포함하고, 명시적인 T-게이트 및 큐비트 비용 공식을 제공한다.

실험 결과

연구 질문

• RQ1 다양한 페르미온 해밀토니안의 LCU 분해를 텐서 분해 기반으로 통합할 수 있는 프레임워크를 개발할 수 있는가?
• RQ2 MTD-L⁴ 및 L⁴-MPS와 같은 텐서 기반 LCU 분해 방식은 표준 LCU 방법과 비교해 T-게이트 수와 큐비트 사용량에서 어떤 차이를 보이는가?
• RQ3 마요라나 연산자 다항식과 텐서 구조를 활용해 LCU 분해의 1-노름 λ를 얼마나 줄일 수 있는가?
• RQ4 MTD 프레임워크는 마요라나 연산자 표현을 통해 비페르미온 해밀토니안(예: 진동 시스템)으로 확장될 수 있는가?
• RQ5 다양한 MTD 변종에서 T-게이트 수와 앤시일라 큐비트 사용량 사이의 상호 교환 관계는 어떠한가?

주요 결과

• MTD-L⁴ 분해는 T-게이트 수가 N(112β - 196) + 8W - 4이며, 비재사용 큐비트 수는 4 + 2N + b_W + 4β, 재사용 큐비트 수는 b_W로, 표준 LCU 대비 T-게이트 사용량이 크게 감소함을 보여준다.
• L⁴-MPS 변종은 T-게이트 비용이 N(4α₂ + 112β - 192) + α₂(8α₁ + 8α₃) + 8α₁ + 4α₃ - 24로, 계층적 텐서 구조를 통해 스케일러블함을 입증한다.
• MTD 프레임워크는 두 전자 상호작용 텐서의 저질량 구조를 활용하여 1-노름 λ를 감소시키며, STO-3G 기저에서 2-노름 오차 < 1×10⁻⁶일 때 수렴함을 확인하였다.
• 해밀토니안 오라클은 단지 4개의 하다드 게이트와 8L R_Z 회전만으로 효율적으로 구현되어 고장 내성 오버헤드를 최소화한다.
• 다양한 PREPARE 회로 간에 앤시일라 큐비트를 공유함으로써, 다중 구성 요소 구현에서 총 비재사용 큐비트 수를 최대 50%까지 감소시킬 수 있다.
• 제어된 QROM과 다중화된 기빙스 회전을 사용함으로써, 최소한의 T-게이트 오버헤드로 LCU 계수를 확장 가능하게 로드할 수 있다.