시간 의존 슈뢰딩거 방정식의 텐서 분해 동역학 시뮬레이션

본 논문은 양자 다체 시스템의 동역학을 시뮬레이션하기 위해 저‑랭크 텐서 분해 기법을 적용하는 방법론을 체계적으로 제시한다. 서론에서는 양자 상태 벡터가 2ᴺ 차원의 복잡성을 가지며, 전통적인 행렬‑벡터 형태로는 메모리와 연산량이 급격히 증가한다는 문제점을 강조한다. 이를 해결하기 위해 상태를 고차원 텐서 ψ∈ℂ^{d₁×…×d_N} 로 보고, 텐서 트레인(TT, 즉 MPS)과 튜커(Tucker) 형식으로 압축한다는 접근을 소개한다. 2절에서는 슈뢰딩거 방정식 |ψ̇(t)⟩=−iĤ(t)|ψ(t)⟩을 정의하고, 해밀토니안을 고정 주파수와 시간‑의존 제어 펄스를 포함하는 형태(식 2.5–2.7)로 구체화한다. 해밀토니안은 로컬 연산자와 인접 결합, 외부 구동 항으로 구성되며, 이는 텐서 형태로 표현될 때 각 코어에 국소적으로 적용될 수 있다. 3절에서는 전통적인 행렬‑벡터 형태의 수치 해법을 서술한다. 해밀토니안이 시간‑불변인 경우 행렬 지수화(exp(−iHt))가 정확하지만, 차원이 커지면 직접 계산이 불가능하다. 따라서 시간 스텝 δ를 도입하고, 무조건 안정적인 암시적 중점법(IMR)과 그에 대한 Richardson 외삽을 사용한다. IMR은 선형 시스템 (3.9)을 풀어야 하며, 이는 해밀토니안-벡터 곱만 필요하므로 텐서 기반 구현에 적합하다. 4절은 텐서 트레인에 대한 수학적 배경을 제공한다. TT는 N개의 코어 A^{(k)}∈ℂ^{b_{k-1}×d_k×b_k} 로 구성되며, bond dimension b_k가 제한되면 저장량이 O(N B²) 로 선형 확장된다. 코어의 왼·오른 정규화(식 4.5)와 혼합·중심 정규화(식 4.4)를 통해 게이지 자유도를 활용한다. 정리 1은 정규화된 코어가 만든 왼·오른 상태 벡터가 직교함을 증명한다. 5절에서는 세 가지 동역학 통합 알고리즘을 상세히 설명한다. (i) TDVP는 변분 원리를 적용해 코어를 연속적으로 업데이트하고, 시간‑의존 해밀토니안에 대해 자연스럽게 보존량을 유지한다. (ii) TDVP‑2는 2차 정확도를 제공하도록 수정된 버전으로, 시간 스텝에 대한 오차를 크게 감소시킨다. (iii) BUG는 “basis update and Galerkin”의 약자로, 코어를 먼저 최신화한 뒤 Galerkin 투영을 수행해 오차를 최소화한다. BUG는 TT와 튜커 모두에 적용 가능하도록 일반화되었으며, 특히 튜커에서는 코어를 재구성하고 SVD 절단을 통해 랭크를 적응적으로 조정한다. 모든 적응형 방법은 절단 임계값 ε에 따라 SVD의 작은 특이값을 제거함으로써 랭크를 감소시키고, 이때 발생하는 근사 오차가 ε보다 작도록 보장한다. 6절에서는 수치 실험 결과를 제시한다. 첫 번째 실험은 127‑큐빗 Ising‑like 체인에 시간‑의존 제어 펄스를 적용한 경우이며, 두 번째 실험은 252 정상 모드 진동 모델이다. 실험에서는 시간 스텝 δ와 절단 임계값 ε를 다양한 조합으로 변화시키며, (a) 파동함수의 L₂ 오차, (b) 최대 bond dimension, (c) 전체 메모리 사용량, (d) CPU 시간 등을 측정한다. 결과는 다음과 같다. (1) ε를 크게 잡으면 랭크가 급격히 감소해 메모리와 시간 비용이 크게 절감되지만, δ가 충분히 작지 않으면 전체 오차가 ε보다 크게 지배한다. (2) TDVP‑2와 BUG는 동일 ε에서 TDVP보다 낮은 랭크를 유지하면서도 비슷한 정확도를 제공한다. (3) 튜커‑BUG는 초기 랭크가 크게 필요하지만, 시간 진행에 따라 SVD 절단으로 급격히 압축된다. (4) 시스템 크기 N이 증가할수록 TT‑기반 방법은 O(N B³) 복잡도를 보이며, B가 일정 수준 이하이면 실용적인 시뮬레이션이 가능하다. 반면 튜커‑BUG는 코어 차원에 따라 O(N R⁴) 복잡도가 나타나며, 매우 큰 N에서는 TT가 더 효율적이다. 7절에서는 연구의 의의와 향후 과제를 논의한다. 저자들은 rank‑adaptive 텐서 분해가 시간‑의존 양자 동역학에 적용될 때, ε와 δ의 선택이 정확도·압축·계산 비용 사이의 균형을 결정한다는 점을 강조한다. 또한, 현재 구현은 주로 1‑차원 체인 구조에 국한되어 있으므로, 2‑차원 혹은 복잡한 그래프 토폴로지를 갖는 시스템에 대한 확장이 필요함을 언급한다. 마지막으로, Lindblad 형태의 개방계 동역학이나 양자 최적 제어와의 연계, GPU 가속 및 병렬화 전략 등이 향후 연구 방향으로 제시된다.