신경망 양자 상태의 마법 측정

초록

본 논문은 신경망 양자 상태(NQS)를 이용해 비안정자성(마법) 자원을 정량화하는 두 가지 몬테카를로 샘플링 방법을 제시한다. Stabilizer Rényi Entropy(SRE)를 측정 지표로 삼아 무작위 RBM과 1·2 차원 J₁‑J₂ Heisenberg 모델의 기저 상태에 적용, NQS가 높은 얽힘과 동시에 유한한 마법을 효율적으로 포착함을 보였다.

상세 분석

논문은 먼저 비안정자성(마법)의 양적 지표로 Stabilizer Rényi Entropy(SRE)를 선택한다. SRE는 α≥2일 때 단조성을 보장하는데, 여기서는 α=2를 사용해 M₂를 정의한다. 기존 텐서 네트워크(TN) 기반 방법은 저차원·저얽힘 시스템에 제한되지만, NQS는 고차원·고얽힘 상태를 효율적으로 표현한다는 점을 활용한다. 두 가지 Monte Carlo 추정법을 제안한다. 첫 번째는 ‘복제 추정법(replicated estimator)’으로, 네 개의 복제된 파동함수를 결합한 상태 |Φ⟩에 비국소 연산자 U를 적용해 ⟨Φ|U|Φ⟩을 샘플링한다. 이 방법은 일반적인 변분 파동함수에 적용 가능하지만, U가 비국소이므로 표본의 분산이 커지는 단점이 있다. 두 번째는 ‘벨 기반 추정법(Bell basis estimator)’으로, 두 복제된 시스템을 클리포드 변환 C로 얽힌 뒤 변환된 해밀토니안의 기저 상태 |Γ⟩을 샘플링한다. 이 경우 추정량 자체가 양수이므로 통계적 안정성이 높지만, 기저 상태를 사전에 알아야 하고, 변환 후 고차 상호작용이 발생해 학습이 어려워 실제 계산에서는 복제 추정법을 주로 사용한다. 샘플 복잡도 분석을 통해 SRE가 로그 스케일로 성장하면 다항식 샘플 수로 정확도를 유지할 수 있음을 보이며, 일반적인 부피 법칙을 따르는 상태에서는 지수적으로 증가하지만 정확한 전산 비용(2^{2N})보다 훨씬 낮다. 실험에서는 무작위 파라미터를 가진 RBM(가시·숨김 뉴런 비율 α=1) 집합을 조사해 M₂가 시스템 크기 N에 대해 선형적으로 증가함을 확인하고, 마법 밀도 m₂≈0.241을 얻었다. 이는 NQS가 큰 얽힘과 동시에 유한한 마법을 동시에 담을 수 있음을 의미한다. 이어 1D J₁‑J₂ Heisenberg 모델에서는 Majumdar‑Ghosh 점(J₂=J₁/2)에서 M₂가 거의 0이 되어 안정자 상태임을 재현했고, 2D 모델에서는 J₂/J₁≈0.6 부근에서 마법이 최소화되는 현상을 관찰해, 두 반강자성 상 사이에 Valence Bond Solid(VBS) 후보가 존재한다는 물리적 해석을 제시한다. 전체적으로 NQS와 제안된 Monte Carlo 추정법이 기존 TN 기반 방법이 도달하지 못한 차원·규모의 양자 시스템에서 마법을 정량화하는 강력한 도구임을 입증한다.