VQE 최신 동향과 벤치마크 조사

초록

본 논문은 NISQ 시대에 적합한 변분 양자 고유값 탐색기(VQE)의 다양한 변형을 세 가지 축(회로 복잡도 감소, 화학 영감형 안사츠, 여기 상태 확장)으로 정리하고, 각 방법의 정확도와 자원 요구량을 실험적으로 비교한다. 또한 현재 이용 가능한 양자 시뮬레이터와 소프트웨어 스택을 소개한다.

상세 분석

이 리뷰는 VQE가 양자 화학에서 차지하는 위치를 재조명하고, 기존의 UCCSD 기반 안사츠가 갖는 회로 깊이·게이트 수의 비효율성을 극복하기 위한 여러 전략을 상세히 분석한다. 먼저 회로 복잡도 감소 기법으로 ADAPT‑VQE, qubit‑efficient ansatz, tapering off symmetries, 그리고 파라미터 공유 기법 등을 비교한다. ADAPT‑VQE는 연산자 풀에서 에너지 그라디언트가 가장 큰 연산자를 순차적으로 선택함으로써 최소한의 파라미터와 게이트로 높은 상관 에너지를 회복한다는 장점이 있다. 그러나 매 반복마다 모든 후보 연산자에 대한 그라디언트를 측정해야 하므로 측정 비용이 급증한다는 단점이 있다. 반면 하드웨어‑효율 안사츠(예: hardware‑efficient ansatz, HEA)는 고정된 레이어 구조와 파라미터 공유를 통해 회로 깊이를 크게 줄이지만, 물리적 대칭을 무시함으로써 화학적 정확도가 저하될 위험이 있다. 논문은 이러한 트레이드오프를 정량화하기 위해 여러 분자(예: H₂, LiH, BeH₂, H₂O)와 다양한 활성 공간을 대상으로 시뮬레이션을 수행했으며, ADAPT‑VQE가 동일한 정확도에 도달하기 위해 필요한 게이트 수가 HEA보다 2~3배 적음이 확인되었다.

화학 영감형 안사츠 섹션에서는 UCCSD, k‑UCCGSD, 그리고 파라미터 절감형 변형(UCCSD‑t, qubit‑ADAPT) 등을 다룬다. 특히 k‑UCCGSD는 다중 전자 전이와 높은 차수의 흥분을 포함하면서도 파라미터 수를 활성 공간 크기에 비례하도록 설계돼, 대규모 시스템에서도 스케일링이 가능함을 보인다. 또한, 여기 상태를 목표로 하는 VQE‑E(Excited‑state VQE), Subspace‑VQE, 그리고 QSE(Quantum Subspace Expansion)와 같은 확장 방법을 소개하고, 이들 방법이 기본 VQE 대비 여기 상태 에너지 정확도를 10‑20 % 향상시킨 사례를 제시한다.

벤치마크 파트에서는 회로 복잡도 감소 기법과 화학 영감형 안사츠를 조합한 하이브리드 전략을 실험적으로 평가한다. 주요 평가지표는 (1) 에너지 오차(μHartree), (2) 게이트 깊이, (3) 측정 샷 수, (4) 최적화 반복 횟수이다. 결과적으로 ADAPT‑VQE와 k‑UCCGSD를 결합한 변형이 가장 높은 정확도와 합리적인 자원 요구를 동시에 만족한다는 결론에 도달한다.

마지막으로 양자 시뮬레이터와 소프트웨어 스택을 정리한다. Qiskit, Cirq, Pennylane, 그리고 OpenFermion‑QChem 등 주요 프레임워크가 지원하는 Hamiltonian 매핑(Jordan‑Wigner, Bravyi‑Kitaev, parity)과 측정 최적화 기법(그룹화, 파라미터 쉐어링) 등을 비교하고, 각 플랫폼의 NISQ‑friendly 기능(노이즈 모델링, 오류 보정)과 클라우드 접근성을 평가한다. 전체적으로 논문은 VQE 연구가 이론적 설계와 실험적 구현 사이에서 균형을 잡아가며, 향후 오류 정정이 가능한 장치로의 전환을 위한 로드맵을 제시한다.