Quantum Observers: A NISQ Hardware Demonstration of Chaotic State Prediction Using Quantum Echo-state Networks

본 논문은 잡음이 있는 IBM 양자 하드웨어에서 카오스 로렌츠 시스템의 장기 시계열을 성공적으로 예측하는 새로운 양자 에코 상태 네트워크 (QESN) 설계를 제시하며, 이는 양자 처리 장치의 중앙값 결맞음 시간보다 100 배 이상 초과하는 지속적 기억 능력을 입증한다.

핵심

"양자 관측자: 양자 에코 상태 네트워크를 이용한 혼란 상태 예측을 위한 NISQ 하드웨어 실증"이라는 논문에 대한 설명을 쉽고 일상적인 언어와 창의적인 비유로 번역한 것입니다.

큰 그림: 혼란을 예측하는 양자 수정구

날씨를 예측하려고 한다고 상상해 보세요. 이는 나비 한 마리가 날개를 퍼덕이는 것과 같은 아주 작은 변화가 몇 주 후에 거대한 폭풍으로 이어질 수 있는 혼란스러운 시스템입니다. 이것이 바로 연구자들이 실험 대상으로 삼은 유명한 혼란 수학적 모델인 로렌츠 시스템입니다.

보통 이런 혼란 시스템을 예측하려면 거대한 고전 컴퓨터가 필요합니다. 하지만 이 팀은 질문했습니다. 현재의 양자 컴퓨터가 노이즈가 많고 약하기는 하지만, 양자 컴퓨터로 이를 수행할 수 있을까요?

그들의 답은 그렇다입니다. 그들은 "양자 관측자"를 구축했습니다. 이는 혼란 시스템의 한 부분 (예: 풍속) 을 관찰하고, 온도나 기압과 같은 다른 보이지 않는 부분들이 무엇을 하고 있는지 파악할 수 있는 가상 센서입니다. 심지어 오늘날의 불완전한 양자 하드웨어에서도 가능합니다.

문제: 양자 컴퓨터의 "깨지기 쉬운 유리"

현재의 양자 컴퓨터 (NISQ 장치라고 함) 를 유리로 만든 카드 집이라고 상상해 보세요. 그들은 놀라울 정도로 강력하지만, 다음과 같은 특징도 있습니다:

1. 노이즈가 많음: 록 콘서트 속에서의 속삭임을 듣는 것과 같습니다.
2. 약함: "카드"(큐비트) 는 매우 빠르게 무너집니다 (결어긋남). 긴 계산을 실행하려고 하면 집이 끝나기 전에 무너집니다.

이전에는 양자 컴퓨터를 시계열 예측에 사용하려는 시도들이 종종 몇 초마다 멈추고, 재설정하고, 다시 시작해야 했습니다. 왜냐하면 "집"이 무너졌기 때문입니다. 이 논문은 무너지지 않고 매우 오랫동안 계속 실행될 수 있는 구조를 구축함으로써 이를 해결합니다.

해결책: 양자 에코 상태 네트워크 (QESN)

연구자들은 **양자 에코 상태 네트워크 (QESN)**라는 새로운 설계를 만들었습니다. 비유를 들어 작동 방식을 설명해 보겠습니다:

1. "메아리" 방 (저장소)

기묘하게 생긴 벽을 가진 큰 빈 방 (양자 회로) 이 있다고 상상해 보세요. 당신은 방 안으로 소리를 지릅니다 (입력 데이터). 기묘한 벽 때문에 소리가 여기저기 튕겨 나가며, 새로운 외침과 이전 외침의 메아리가 섞인 복잡한 "메아리"를 만들어냅니다.

• 논문에서: 이것이 "저장소"입니다. 데이터 스트림을 받아 양자 시스템 내부에서 튕기게 합니다. 이는 과거 입력을 기억하는 풍부하고 복잡한 패턴을 생성합니다. 이것이 "기억"입니다.

2. "희소성" 트릭 (노이즈 제거)

보통 양자 컴퓨터를 작동시키려면 모든 큐비트를 다른 모든 큐비트에 연결해야 합니다. 하지만 이는 너무 많은 노이즈와 오류를 만듭니다.

• 비유: 모든 사람이 손을 잡고 있는 붐비는 춤추는 바닥을 상상해 보세요. 한 사람이 넘어지면 모두 넘어집니다.
• 해결책: 연구자들은 대부분의 손을 놓기로 결정했습니다. 그들은 몇몇 사람만 손을 잡게 했습니다 (이를 희소성이라고 합니다).
• 결과: 연결의 약 50% 를 제거함으로써 오류 가능성을 줄이고 과거를 기억하는 능력을 잃지 않으면서 회로의 실행 속도를 높였습니다.

3. "재업로드" (리듬 유지)

기억을 살아있게 하려면 시스템은 한 번만 외치지 않습니다. 옛 메아리가 여전히 튕겨 나가는 동안 새로운 데이터를 계속 메아리 방 안으로 외칩니다.

• 비유: DJ 가 아직 재생 중인 노래에 새로운 트랙을 믹싱하는 것과 같습니다. 새로운 트랙이 옛것과 섞여 지속적이고 진화하는 소리를 만들어냅니다.
• 논문의 용어: 이를 데이터 재업로드라고 합니다. 이를 통해 양자 컴퓨터는 중단 없이 긴 데이터 스트림을 처리할 수 있습니다.

4. "리셋" (마술 트릭)

여기가 가장 영리한 부분입니다. 일반적인 양자 컴퓨터에서는 큐비트를 관찰 (측정) 하면 "마법"이 사라지고 계산이 멈춥니다.

• 비유: 마술사가 트릭을 수행한다고 상상해 보세요. 만약 당신이 카드를 엿보면 트릭이 실패합니다.
• 해결책: 연구자들은 정답을 얻기 위해 절반의 큐비트만 ("읽기" 큐비트) 엿보고, 즉시 해당 특정 큐비트를 0 으로 리셋하는 시스템을 구축했습니다. 반면, 다른 절반 ("기억" 큐비트) 은 메아리가 계속되도록 유지합니다.
• 결과: 전체 시스템이 무너지지 않고 매우 오랫동안 쇼를 계속할 수 있습니다.

기록을 깨는 실행

이 팀은 IBM 의 실제 양자 컴퓨터 (ibm_marrakesh) 에서 이를 테스트했습니다.

• 도전 과제: 양자 비트는 보통 "양자성"을 잃기 전까지 (이를 T1/T2 결어긋남 시간이라고 함) 약 200 마이크로초만 지속됩니다.
• 성과: 그들의 회로는 48,000 마이크로초 동안 실행되었습니다.
• 비유: 보통 2 초만 달리고 쓰러지는 달리기 선수가 있다고 상상해 보세요. 이 팀은 그들의 선수가 멈추지 않고 100 초 동안 달릴 수 있도록 훈련시켰습니다. 그들은 하드웨어가 지속할 것으로 예상된 시간보다 100 배 더 긴 시간 동안 회로를 실행했습니다.

결과: 예측 불가능한 것 예측하기

그들은 혼란스러운 로렌츠 시스템의 데이터 (오직 "X" 좌표만) 를 시스템에 입력했습니다. 목표는 시스템이 볼 수 없는 "Y"와 "Z" 좌표를 예측하는 것이었습니다.

• 결과: 양자 관측자는 혼란 시스템의 숨겨진 부분을 성공적으로 예측했습니다.
• 비교: 그들은 표준 고전 컴퓨터 모델과 비교했습니다. 양자 버전은 시뮬레이션에서 약간 더 좋은 성능을 보였으며, 노이즈가 많은 실제 하드웨어에서도 매우 경쟁력 있는 성능을 보여주었습니다. 이는 양자 컴퓨터가 불완전할지라도 복잡하고 장기적인 기억 작업을 처리할 수 있음을 증명합니다.

요약

이 논문은 유용한 작업을 수행하기 위해 완벽한 미래형 양자 컴퓨터가 필요하지 않음을 보여줍니다. 다음과 같은 지능적인 설계를 사용함으로써:

1. 과거를 기억하기 위해 메아리를 사용하고,
2. 오류를 줄이기 위해 불필요한 연결을 잘라내며 (희소성),
3. 시스템의 일부를 실시간으로 측정하고 리셋함으로써,

...우리는 현재 하드웨어에서 누구도 가능하다고 생각하지 않았던 훨씬 더 오랫동안 혼란 시스템을 관찰하고 미래 행동을 예측할 수 있는 "양자 관측자"를 구축할 수 있습니다. 이는 양자 기계가 먼 미래가 아닌 지금 당장 복잡한 예측을 위한 유용한 도구가 될 수 있음을 증명하는 것입니다.

기술 요약

기술 요약: 양자 에코 상태 네트워크를 이용한 혼돈 상태 예측에 대한 NISQ 하드웨어 실증: 양관측자

문제 제기
인공지능은 고전 하드웨어에서 놀라운 능력을 입증해 왔으나, 확장성과 효율성은 계산적 한계에 의해 제약받고 있습니다. 양자 컴퓨터는 이러한 한계를 뛰어넘을 잠재력을 제공하지만, 현재의 잡음 중간 규모 양자 (NISQ) 하드웨어에서 양자 컴퓨팅과 신경망 (NN) 을 통합하는 것은 결맞음 상실, 잡음, 높은 오류율, 그리고 짧은 결맞음 시간 (T1 및 T2) 으로 인해 방해받고 있습니다. 기존 양자 저수지 컴퓨팅 (QRC) 접근 방식들은 종종 특수 아날로그 장치에 의존하거나, 회로 재초기화 또는 정지를 요구하여 ('버퍼 오버플로우' 오류를 초래) 하거나, 지속적 메모리가 부족합니다. 또한, 소멸 메모리, 점근적 안정성 ('에코 상태' 속성), 비선형성과 같은 고전 저수지 개념들을 범용 게이트 기반 양자 회로로 변환하는 것은 폐쇄 시스템의 유니타리 진화와 상태 측정 붕괴로 인해 상당한 도전을 제기합니다.

방법론
저자들은 동적 시스템의 부분 측정으로부터 잠재 상태 변수를 재구성할 수 있는 '양자 관측자'로 작동하도록 설계된 확장 가능한 양자 에코 상태 네트워크 (QESN) 를 제안합니다. 이 아키텍처는 범용 게이트 기반 NISQ 하드웨어 (특히 IBM 초전도 큐비트) 에 맞춰 설계되었으며, 긴 시계열 실행 중 회리 재설정이나 정지가 필요하지 않도록 설계되었습니다.

주요 방법론적 구성 요소는 다음과 같습니다:

• 회로 아키텍처: QESN 은 각 시간 단계에서 판독 큐비트를 측정하고 결정적으로 $|0\rangle$으로 재설정하는 '측정 및 재설정' 패러다임을 활용하는 반면, 메모리 큐비트는 상태를 유지합니다. 이를 통해 긴 시간 범위에서 연속적인 진화가 가능합니다.
• 입력 인코딩: 고전 데이터는 블로흐 구체에 '각도 임베딩' (회전 $R_z(\gamma)R_x(\beta)R_z(\alpha)$) 을 사용하여 임베딩됩니다. '컨텍스트 윈도우' 접근 방식은 완전히 연결된 고전 계층 ($W_{in}$) 을 통해 임의의 입력 크기를 이러한 회전 각도로 매핑하여 저수지 크기를 입력 차원에서 분리합니다.
• 희소성과 얽힘: 게이트 오류를 완화하고 회로 깊이를 줄여 (SWAP 연산 최소화) 하기 위해, 저자들은 두 큐비트 얽힘 게이트의 부분 집합을 무작위로 삭제함으로써 희소성을 도입합니다. 회로는 비선형성을 증가시키기 위해 얽힘 게이트 사이에 입력 의존적 회전을 ($n_c$회) 반복하는 조절 가능한 '데이터 재업로드' 블록을 사용합니다.
• 응답 분석: 저자들은 고전 제어 이론의 시간 영역 응답 분석을 양자 영역으로 확장합니다. 계단, 램프, 정현파 입력에 대한 시스템의 응답을 분석함으로써 QESN 의 메모리 용량, 비선형성, 그리고 안정성을 특성화합니다. 이 분석은 희소성 수준과 재업로드 블록 수의 선택을 안내합니다.
• 훈련 및 최적화: 양자 회로는 힐베르트 공간에 대한 확률 분포인 고차원 특징 공간을 생성합니다. 이러한 특징들은 목표 출력을 예측하기 위해 탄성 넷 정규화가 적용된 고전 최소제곱 회귀 모델에 입력됩니다.

주요 기여

1. 새로운 QESN 설계: 중간 정지나 전체 시스템 재설정 없이 NISQ 하드웨어에서 연속적으로 작동하며, 판독 큐비트에 대해 측정 및 재설정 방식을 활용하는 범용 게이트 기반 QESN 회로.
2. 응답 분석 프레임워크: 희소성과 비선형성 (재업로드 블록을 통해) 을 체계적으로 조정하기 위해 양자 회로에 고전 제어 이론을 확장한 것으로, 에코 상태 속성을 훼손하지 않고 상당한 희소성 (약 50% 게이트 제거까지) 을 달성할 수 있음을 입증함.
3. 하드웨어 검증: $ibm\_marrakesh$ QPU 에서 양자 관측자로서 QESN 의 기능을 종합적으로 실증하여 로렌츠 시스템의 혼돈 역학을 성공적으로 예측함.

결과

• 시뮬레이션: $ibm\_fez$ 잡음 모델을 사용한 Aer 시뮬레이터에서의 시뮬레이션은 기대값만 사용하는 것에 비해 전체 확률 분포를 특징으로 사용할 때 더 낮은 평균 제곱근 오차 (RMSE) 를 보임을 나타냈습니다. 노이즈가 없는 시뮬레이션에서 저수지 노드 수가 일치할 때 QESN 은 고전 ESN 보다 우수한 성능을 보였으나, 저자들은 이것이 modest 한 이득이라고 언급했습니다.
• 하드웨어 실행: QESN 은 12 개의 큐비트를 사용하여 $x(t)$ 입력만 주어졌을 때 로렌츠 시스템의 $y(t+1)$ 및 $z(t+1)$ 좌표를 예측하기 위해 $ibm\_marrakesh$ QPU 에서 실행되었습니다.
  • 회로는 약 48,000 $\mu$s 동안 결맞음 있게 실행되었으며, 이는 큐비트의 중앙값 T1 (213.92 $\mu$s) 및 T2 (119.57 $\mu$s) 결맞음 시간보다 100 배 이상 길다.
  • 이 실험은 2,000 단계의 시계열을 성공적으로 처리하여 이전 실증 (예: [15] 의 100 단계, [14] 의 20 단계) 을 크게 초과했습니다.
  • 하드웨어 결과는 0.0922 의 테스트 RMSE 를 달성하여 잡음 시뮬레이션 기대치와 밀접하게 일치했습니다.
  • 시스템은 측정 후 24 $\mu$s 의 지연을 도입하여 '버퍼 오버플로우' 오류를 성공적으로 완화하고 더 긴 순차 실행을 가능하게 했습니다.

의의 및 주장
본 논문은 현재까지 범용 게이트 기반 NISQ 하드웨어에서 수행된 가장 긴 실행 시계열 예측 알고리즘을 실증했다고 주장합니다. 저자들은 그들의 결과가 현재의 NISQ 컴퓨터가 개별 큐비트 결맞음 시간을 훨씬 초과하는 기간 동안 결맞음 메모리를 유지하고 예측 작업을 수행할 수 있음을 입증한다고 강조합니다.

이 연구는 QESN 을 동적 시스템을 위한 실현 가능한 '양자 관측자'로 위치시키며, 다음을 강조합니다:

• 희소성은 NISQ 최적화를 위한 핵심 설계 매개변수로서, 메모리와 비선형성을 유지하면서 오류율을 감소시킵니다.
• 측정 및 재설정 패러다임은 데이터 재업로드와 결합되어 회로 재초기화 없이 지속적 메모리와 안정적인 작동을 가능하게 합니다.
• 고전 방법 대비 현재 성능 향상은 modest 하지만, 양자 컴퓨터가 제공하는 특징 공간의 지수적 성장은 하드웨어가 개선됨에 따라 향후 상당한 이점을 가질 가능성을 시사합니다.

저자들은 명시적으로 현재 단계에서 결정적인 '양자 우위'를 주장하는 것이 아니라, 복잡한 혼돈 동적 시스템에 대한 현대 하드웨어에서 양자 머신 러닝 접근법의 실용적 실현 가능성을 실증한다고 명시합니다.