지수적 정확도와 최소 보조 큐비트로 구현하는 무작위 소산 시뮬레이션

초록

본 논문은 일반적인 Lindblad 마스터 방정식을 시뮬레이션하기 위한 두 가지 무작위 양자 알고리즘을 제시한다. 이 알고리즘들은 관측값 추정에 초점을 맞추어, 정확도 ε에 대해 회로 깊이가 O(log (1/ε)) 로 지수적으로 짧으며, 필요한 보조 큐비트 수를 각각 4 + ⌈log₂ M⌉와 7 로 최소화한다. 새로운 무작위 회로 컴파일 기법과 전이 행렬(transfer‑matrix) 기반의 테일러 전개를 이용해, 기존 방법이 요구하던 대규모 ancilla와 복잡한 제어 연산을 크게 줄이면서도 파라미터(K, m, M)와 무관한 스케일링을 달성한다. 수치 실험을 통해 제안된 방법이 기존 알고리즘 대비 게이트 및 ancilla 비용에서 실질적인 우위를 보임을 확인하였다.

상세 분석

이 논문은 오픈 양자 시스템 시뮬레이션에서 ‘지수적 정확도(Exponential accuracy)’를 유지하면서도 ancilla 사용을 최소화하는 두 가지 무작위 알고리즘을 설계한다. 핵심 아이디어는 (i) Lindblad 동역학의 전이 행렬 표현을 이용한 테일러 전개를 수행하고, (ii) 전개된 항들을 무작위 샘플링으로 컴파일함으로써 전체 연산자의 노름을 1에 가깝게 억제하는 새로운 분해법을 제시한다는 점이다. 기존 LCU+OAA 기반 방법은 모든 점프 연산자를 동시에 인코딩해야 하므로 ancilla 수가 O(K + log M) 로 급증하고, 회로 깊이도 ε⁻¹에 비례한다. 반면, 저자들은 단일 점프 연산자만을 이용한 ‘dissipative primitive’를 정의하고, 이를 여러 번 적용하는 형태로 전이 행렬을 재구성한다. 이때 각 primitive은 최대 M개의 Pauli 문자열로 표현될 수 있으며, 이를 구현하기 위해 필요한 ancilla는 3 + ⌈log₂ M⌉ 개에 불과하다.

알고리즘 1(Theorem 2)에서는 이 primitive을 r = Θ(t ∥L∥_pauli/ε) 번 반복하고, 각 반복을 무작위로 선택된 테일러 항에 매핑한다. 샘플링 오버헤드는 O(∥O∥²/ε²) 로, 정확도와 직접적으로 연결된다. 회로 깊이는 O(log (1/ε)) 로, ε에 로그 스케일만큼만 증가한다. 중요한 점은 이 복잡도가 K(점프 연산자 수)와 m(해밀토니안 파우리 문자열 수)와 무관하다는 것이다.

알고리즘 2(Theorem 3)에서는 추가적인 무작위 해밀토니안 시뮬레이션 기법을 도입해, 점프 연산자의 실수·허수 부분을 각각 해밀토니안으로 취급하고, 양자 특이값 변환(QSVT)과 결합한다. 이 과정을 통해 M 의 의존성을 완전히 제거하고, ancilla를 고정된 7개만 사용한다. 대신 시간 스케일링이 τ⁴·log³(τ/ε) 로 약간 악화되지만, 대규모 시스템(특히 K가 지수적으로 커지는 경우)에서 실질적인 자원 절감 효과가 크다.

또한, 전이 행렬 기반 접근법은 일반적인 CP 맵이 아닌 비 CP 형태의 연산자도 회로에 직접 매핑할 수 있게 해준다. 기존 방법은 CP 보장을 위해 시스템과 동일한 차원의 ancilla 레지를 추가해야 했으나, 저자들은 ‘mid‑circuit measurement + reset’ 기법을 활용해 ancilla 수를 최소화하고, 각 CPTN 맵을 (n+1)‑qubit 회로와 3 + ⌈log₂ M⌉ 개의 보조 큐비트만으로 구현한다.

수치 실험에서는 2‑qubit 및 4‑qubit 모델에 대해 기존 LCU 기반 알고리즘, qDRIFT, 그리고 최신 무작위 Lindblad 시뮬레이션