양자 매트릭스 곱 상태와 변분 양자 DMRG 구현

초록

본 논문은 고전적 MPS를 양자 회로에 직접 매핑한 qMPS(quantum MPS) 개념을 제안하고, 이를 이용해 근접한 NISQ 디바이스에서 변분 MPS(vMPS)와 동등한 변분 양자 MPS(vqMPS) 알고리즘을 구현한다. QSVD와 양자 reshape 기법을 통해 qMPS를 좌·우 정규형으로 변환하고, 로컬 MPO와 결합해 전역 기대값을 효율적으로 계산한다. 기존 VQE 대비 큐비트 수를 크게 절감하면서 바넬 플래토 문제를 완화하고, 분산 양자 컴퓨팅에 대한 가능성을 제시한다.

상세 분석

이 논문은 전통적인 텐서 네트워크인 매트릭스 곱 상태(MPS)를 양자 회로 수준에서 구현하는 새로운 프레임워크인 qMPS를 정의한다. qMPS는 각 사이트를 물리적 qubit 집합(p)과 좌·우 보조 차원(l, r)으로 나누어, 보조 차원을 로그 스케일로 압축함으로써 전체 시스템을 다수의 작은 양자 서브시스템으로 분할한다. 이때 보조 차원에 필요한 qubit 수는 χ(클래식 MPS의 bond dimension)의 로그2를 올림한 값으로, 강하게 얽힌 1차원 시스템에서도 선형적인 양자 자원만으로 표현이 가능하다.

글은 qMPS를 정규형(canonical form)으로 변환하는 두 핵심 양자 알고리즘을 제시한다. 첫 번째는 Quantum Singular Value Decomposition(QSVD)으로, 불균형한 두 서브시스템(A, B) 사이에 존재하는 상태 |ψ⟩를 두 유니터리 U_A, U_B와 대각 행렬 S로 분해한다. 손실 함수 L_SVD는 σ_z⊗σ_z 상관 측정과 개별 σ_z 측정을 결합해, A와 B가 동일한 비트 문자열을 공유하도록 최적화한다. 이 과정은 깊이 증가에 따라 지수적으로 수렴함을 실험적으로 확인한다.

두 번째는 양자 reshape 단계이다. QSVD에서 얻은 U_A 혹은 U_B의 열벡터를 새로운 qMPS 사이트의 파라미터로 전환하기 위해, 열벡터를 amplitudes 로 갖는 양자 상태 |Ψ_rs⟩를 생성한다. 직접적인 회로 구현은 CNOT·Hadamard 구조로 가능하지만 깊이가 깊어 NISQ 환경에 부적합하므로, 변분 회로를 이용해 |Ψ_rs⟩를 근사한다. 손실 함수 L_reshape는 모든 qubit에 대한 ⟨σ_z⟩가 1이 되도록 설계되어, 최적화가 0에 수렴하면 목표 상태가 성공적으로 준비된 것이다. 실험에서는 7 qubit 이하에서 99% 이상의 피델리티를 달성하였다.

정규형 변환 후, qMPS는 전통적인 vMPS와 동일한 스위핑 절차를 수행한다. 각 사이트 i에 대해 주변 사이트와 MPO(행렬 곱 연산자)로 구성된 유효 Hamiltonian을 정의하고, 해당 사이트를 해당 유효 Hamiltonian의 최저 에너지 상태로 업데이트한다. 기대값 계산은 MPO를 각 사이트에 매핑한 뒤, 로컬 기대값을 rank‑6 텐서 V_i 로 측정하고, 고전적인 텐서 축소(contraction)으로 전역 기대값을 재구성한다. 복잡도는 O(K·m·χ⁴)이며, 여기서 K는 전체 연산자 항 수, m은 사이트 수이다.

핵심적인 장점은 (1) 전체 시스템을 작은 서브시스템으로 나누어 각 서브시스템에 대해 로컬 최적화를 수행함으로써 파라미터 공간을 크게 축소하고, 바넬 플래토 현상을 완화한다. (2) 필요한 물리적 qubit 수가 전통적인 VQE 대비 log₂(χ) 만큼 감소하므로, 현재 NISQ 디바이스에서 더 큰 시스템을 시뮬레이션할 수 있다. (3) 각 사이트의 최적화가 독립적으로 수행될 수 있어, 서로 다른 양자 하드웨어(초전도, 포토닉 등) 간의 분산 실행이 가능하다.

한계점으로는 QSVD와 reshape 단계에서 변분 회로의 깊이가 아직도 몇십 레벨을 넘어가면 오류 누적이 심해질 수 있다는 점, 그리고 MPO를 각 사이트에 정확히 매핑하기 위한 사전 전처리 비용이 존재한다는 점을 들 수 있다. 향후 연구에서는 더 효율적인 ansatz 설계와 오류 보정 기법을 결합해 깊이 제한을 완화하고, 2차원 및 고차원 텐서 네트워크(PEPS 등)로 확장하는 방안을 모색할 필요가 있다.