[논문 리뷰] Simulating Quantum Walk Hamiltonians without Pauli Decomposition

Mostafa Atallah, Alvin Gonzales외 4명|arXiv (Cornell University)|2026. 01. 16.

Quantum Computing Algorithms and Architecture인용 수 0

한 줄 요약

이 논문은 Pauli 분해 없이 희소 그래프에서 연속 시간 양자 걷기(CTQW)를 구현하기 위한 매칭 분해 알고리즘을 도입하여 Pauli 기반 방법에 비해 여러 그래프 계열에서 CX 게이트 수를 줄이고 회로를 더 얕게 만들며, 정확한 매칭 분해를 위한 이론적 조건을 제공하고 정확성을 분석한다.

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.

연구 동기 및 목표

• 임의의 간단한 희소 그래프에 대한 CTQW 회로 구성 방법을 개발한다.
• CTQW 해밀토니안을 매칭으로 분해하고 간선을 축소하여 게이트 수를 줄인다.
• 엣지별 구현에서 Pauli 분해를 피하고 자원 비용을 비교한다.
• 정확성 및 정확한 매칭 분해에 대한 조건을 분석한다.
• 다양한 그래프 계열에서 Pauli 기반 방법과의 벤치마크를 수행한다.

제안 방법

• CTQW 인접 기반 해밀토니안을 매칭의 모음으로 분해하는 그리디 매칭 분해를 사용한다.
• 그래프 압축을 반복적으로 적용하여 엣지를 병합하고 양자 비트 요구량을 줄인다.
• 기저 변환 및 다중 제어된 Rx 게이트를 사용하여 압축된 엣지에 대한 회로를 구성한다.
• 전체 해밀토니안을 매칭의 합으로서 투트로터라이제션(Trotterization)한다.
• Pauli 기반의 Trotterization과 비교하여 연산자 노름 오차와 CX 게이트 수를 평가한다.
• 그래프가 공액하는 매칭 분해를 허용하는 시기에 대한 이론적 결과를 제공한다.

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

실험 결과

연구 질문

• RQ1 매칭 분해가 CTQW 시뮬레이션에서 Pauli 분해에 비해 자원 비용이 경쟁력 있거나 우수한가?
• RQ2 정확성을 해치지 않으면서 그래프 압축으로 CX 게이트와 회로 깊이를 얼마나 줄일 수 있는가?
• RQ3 어떤 조건에서 매칭 분해가 정확한 CTQW 시뮬레이션 또는 교환 가능한 부분 구조를 제공하는가?
• RQ4 정확도(2-노름 오차)가 그래프 유형 간에 매칭 분해와 Pauli 분해 사이에서 어떻게 비교되는가?
• RQ5 빈도성, 해밍 구조 등 그래프 특성이 매칭 분해의 이점에 어떤 영향을 미치는가?

주요 결과

• 매칭 분해는 테스트된 그래프에서 Pauli 분해에 비해 CX 게이트를 최대 43% 적게 사용한다.
• 연결 그래프에서 매칭 분해로 회로 깊이가 최대 54% 얕아진다.
• 8–128 정점 그래프의 경우, 매칭 및 Pauli 분해의 연산자 노름 오차는 비교 가능하며 O(t^2/N)로 스케일링된다.
• 일부 Hamming-구조 그래프(전적으로 H1 엣지가 아닌 그래프)에서 더 큰 CX 절감이 나타난다.
• 그래프 크기가 커짐에 따라 CX 게이트 및 회로 깊이에 대해 각각 25–43% 및 31–49%의 CX 감소를 보인 두 데이터셋이 있다.
• 공액하는 매칭을 가진 일부 그래프는 기계 정밀도 오차를 보일 수 있어 해당 경우에 정확한 시뮬레이션이 가능하다는 것을 시사한다.

(a) CX Gate Count