대규모 양자 레지스터 시뮬레이션을 위한 위상공간 평균장 접근법

초록

위상공간 근사(PSA)를 이용해 수천 개의 큐비트 동역학을 평균장 궤적의 통계적 평균으로 재현한다. 계산 복잡도는 O(L²)이며, 단일 큐비트 관측값은 정성적으로 정확하게 예측하지만 다중 큐비트 상관관계는 제한적이다. k‑local 전이장 이징 모델을 통해 2000 큐비트까지 검증하였다.

상세 분석

본 논문은 양자 다체 시스템을 고전적 위상공간 궤적의 집합으로 근사하는 Phase‑Space Approximation(PSA)을 큐비트 레지스터에 적용한다. 핵심 아이디어는 각 큐비트를 평균장(MF) 동역학에 따라 독립적으로 진화시키고, 초기 상태를 적절히 샘플링한 뒤 수천 개의 궤적을 평균함으로써 양자 기대값을 복원하는 것이다. 이때 평균장은 SU(2) 스핀 알제브라에 대한 이산형 truncated Wigner approximation(dTWA)과 수학적으로 동일하지만, 저자는 밀도 행렬의 관점에서 샘플링 절차를 재정의해 양자 컴퓨팅 커뮤니티에 친숙하도록 만든다. 초기 샘플링은 제품 상태를 가정하고, 각 큐비트의 Bloch 벡터 성분(x, y, z)을 실수 확률 변수로 뽑아 1‑큐비트 기대값과 모든 모멘트를 정확히 재현하도록 설계한다. 이 과정에서 비물리적 초기 밀도 행렬(벡터가 Bloch 구를 벗어남)이 생성되지만, 다수 궤적 평균 후 물리적 상태가 회복된다.

복잡도 측면에서 PSA는 각 궤적이 O(L²) 연산(모든 이웃과의 평균장 상호작용)만 필요하고, 궤적 수 N_traj가 독립적으로 병렬화될 수 있어 실제 시뮬레이션 비용은 전통적인 MF와 거의 동일하다. 저자는 이를 k‑local 전이장 이징 모델(TFIM)에 적용해, k=1(근접 상호작용)부터 전부-전체(all‑to‑all)까지, 약한 결합(J≪h)에서 강한 결합(J≫h)까지 다양한 η=J·k/(h·L) 파라미터 영역을 탐색한다. 결과는 단일 큐비트 관측값 ⟨X_i⟩, ⟨Y_i⟩, ⟨Z_i⟩에 대해 평균장보다 현저히 개선된 정확도를 보이며, 특히 η≪1이면서 k가 큰 경우와 η≫1인 강결합 영역에서 좋은 일치를 보인다. 반면 다중 큐비트 문자열(예: X₁X₂…Y_L)의 경우, PSA는 양자 얽힘과 비클래시컬 상관을 충분히 포착하지 못해 오차가 크게 늘어난다. 이는 샘플링이 실수 변수에 국한되고, X·Y·Z와 같은 비가환 연산자를 동시에 만족시킬 수 없기 때문이다.

또한 저자는 2D·3D 격자형 이징 모델에 PSA를 적용해, 차원 증가에 따른 성능 저하가 크지 않음을 시연한다. 이는 PSA가 토폴로지나 차원에 크게 의존하지 않는다는 장점을 보여준다. 그러나 텐서 네트워크(MPS, PEPS)와 비교했을 때, 얽힘이 크게 증가하는 임계점 근처에서는 PSA가 정량적 예측에 한계가 있다. 따라서 PSA는 대규모 시스템에서 ‘빠른 스케치’용 도구로, 양자 하드웨어 검증이나 초기 파라미터 탐색에 유용하지만, 정밀한 다중 큐비트 상관관계가 필요한 연구에는 보완적인 방법이 필요하다.

요약하면, PSA는 평균장 궤적을 확률적으로 샘플링해 양자 동역학을 재현함으로써, 수천 개 큐비트 규모의 시뮬레이션을 실현하고, 단일 큐비트 물리량에 대해 정성적·정량적 통찰을 제공한다. 다만 얽힘이 중요한 상황에서는 정확도가 급격히 떨어지는 것이 주요 제한점이다.