적응형 VQE의 지수적 스케일링 한계

초록

본 연구는 적응형 변분 양자 고유값 탐색기(ADAPT‑VQE)의 연산 비용이 시스템 크기에 따라 어떻게 증가하는지를 조사한다. 클래식 CASSCF 계산에서 얻은 레니 엔트로피를 복잡도 지표로 사용해 ADAPT‑VQE가 필요로 하는 반복 횟수(n_ADAPT)를 예측했으며, 20여 개 분자(활성 궤도 4~10개)에서 높은 결정계수(R²≈0.99)를 보였다. 결과적으로 n_ADAPT와 회로 깊이가 활성 궤도 수에 대해 지수적으로 증가함을 확인했으며, 현재 형태의 VQE가 대규모 분자를 고정밀도로 시뮬레이션하기 위해서는 지수적인 양자 자원이 필요함을 결론짓는다.

상세 분석

이 논문은 VQE, 특히 적응형 ADAPT‑VQE가 실제 화학 문제에 적용될 때의 확장성을 정량적으로 평가한다는 점에서 의미가 크다. 먼저 저자들은 CASSCF 계산에서 얻은 CI 계수들의 제곱을 확률분포 p_i 로 정의하고, 이 분포의 레니 엔트로피 h_α 를 복잡도 메트릭으로 채택한다. 레니 엔트로피는 α 파라미터에 따라 분포의 집중도와 퍼짐을 동시에 포착할 수 있어, 다중참조 성격이 강한 시스템일수록 높은 값을 갖는다. 실험에서는 α≈0.25에서 가장 높은 R²(≈0.948)를 기록했으며, 이는 h_α 와 log(n_ADAPT) 사이에 거의 완벽한 선형 관계가 있음을 의미한다. 즉, 레니 엔트로피가 커질수록 ADAPT‑VQE가 목표 정확도(ε_chem≈1 kcal/mol)에 도달하기 위해 필요한 반복 횟수가 기하급수적으로 늘어난다.

다양한 연산자 풀(QuBit‑ADAPT, QEB‑ADAPT, CEO‑ADAPT)과 TETRIS 확장을 적용했음에도 불구하고, 전체적인 스케일링 추세는 변하지 않았다. 이는 연산자 풀 자체가 회로 깊이와 파라미터 수에 미치는 영향보다, 근본적인 상태 복잡도가 VQE의 수렴 속도를 좌우한다는 강력한 증거다. 또한 저자들은 실험적으로 회로 깊이(CNOT 게이트 수)와 n_ADAPT가 거의 동일한 지수적 증가를 보인다는 점을 강조한다. 이는 하드웨어 제한—특히 현재 NISQ 디바이스의 코히런스 시간과 게이트 오류율—을 고려했을 때, 제시된 분자들(예: Cr₂,