얕은 인접 보손 샘플링을 위한 라플라스 전개와 트리 분해 기반 초고속 영구 계산 알고리즘

초록

본 논문은 깊이 (D=O(\log m)) 인 인접-이웃 광회로에서, 트리 분해와 라플라스 전개를 결합해 영구 계산을 효율화한다. Cifuentes‑Parrilo의 트리‑폭 (ω) 기반 영구 알고리즘을 Clifford‑Clifford의 라플라스 전개와 재사용함으로, 전체 샘플링 복잡도를 (\mathcal{O}(n^{2}2^{ω}ω^{2})+\mathcal{O}(ωn^{3})) 로 낮춘다. 특히 (ω\le 2D) 이므로 얕은 회로에서는 다항시간이 보장된다.

상세 분석

이 논문은 세 가지 핵심 아이디어를 결합한다. 첫째, Boson Sampling의 출력 확률이 입력‑출력 전이 행렬 (V) 의 영구에 의해 결정된다는 사실을 이용한다. 둘째, 인접‑이웃 회로가 깊이 (D=O(\log m)) 일 때, 전이 행렬 (V) 는 매우 희소하고, 그 희소성은 그래프 이론에서 트리 분해(tree decomposition)로 정량화될 수 있다. Cifuentes‑Parrilo(2016)는 트리 폭 (ω) 에 대해 영구를 (\mathcal{O}(2^{ω}ω^{2})) 시간에 계산하는 동적 계획법을 제시했으며, 이는 그래프가 트리‑폭이 작을수록 효율적이다. 셋째, Clifford‑Clifford(2018)은 샘플링을 단계별로 진행하면서 라플라스 전개를 이용해 마지막 행을 제거한 서브‑행렬들의 영구를 미리 계산해 두면 전체 복잡도를 (\mathcal{O}(n^{2}2^{n}))에서 (\mathcal{O}(n^{2}2^{ω})) 로 감소시킨다.

본 논문의 주요 공헌은 라플라스 전개와 트리‑폭 기반 영구 계산을 “한 번의 전역 트리 분해”에 재사용하도록 설계한 점이다. 구체적으로, 입력 광자 각각을 트리의 노드에 1‑대‑1 대응시키고, 트리를 선형(패스) 형태로 구성한다. 라플라스 전개에서 행을 제거할 때마다 해당 노드를 “빈 더미”로 교체하고, 동적 계획 테이블을 부분적으로만 업데이트한다. 이렇게 하면 각 단계에서 새롭게 트리 분해를 만들 필요가 없으며, 전체 알고리즘이 (\mathcal{O}(n^{2}2^{ω}ω^{2}))와 (\mathcal{O}(ωn^{3})) 두 항으로 구성된 복잡도를 갖는다.

또한 논문은 충돌이 없는 경우 (m=\Omega(n)) 를 전제한다. 출력 모드에 충돌이 발생하면 그래프에 사이클이 생겨 트리 폭이 급격히 증가하고, 전역 트리 분해가 무효화된다. 따라서 저자는 비충돌 설정에서만 알고리즘이 최적임을 명시한다.

실험적 관점에서, 깊이 (D) 가 로그 스케일이므로 트리 폭 (ω\le 2D) 는 상수에 가까운 값이 된다. 따라서 실제 광학 실험(예: 50100개의 모드, 1020개의 광자)에서도 제안된 알고리즘은 기존의 (O(mn^{2})) 요소를 크게 감소시켜, 기존 Clifford‑Clifford 알고리즘보다 수십 배에서 수백 배 빠른 샘플링이 가능함을 보인다.

마지막으로, 저자는 이 방법이 Gaussian Boson Sampling, 오류‑보정된 회로, 그리고 더 일반적인 희소 행렬 영구 계산에도 확장 가능함을 제시한다. 특히 트리 폭이 작은 다른 물리적 시스템(예: 1‑차원 스핀 체인, 제한된 연결성을 가진 양자 회로)에도 동일한 접근법을 적용할 수 있다.