원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
당신이 약간 고장 난 카메라를 사용하여 복잡한 장면의 완벽하고 고해외상도 사진을 찍으려 한다고 상상해 보십시오. 렌즈는 얼룩져 있고, 센서에는 약간의 정전기(노이즈)가 있습니다. 당신이 아무리 신중하게 구도를 잡아도, 결과물은 흐릿하고 왜곡될 것입니다.
양자 컴퓨팅의 세계에서 과학자들은 분자(물이나 질소 같은)의 거동을 이해하기 위해 그 모습을 "사진 찍으려" 노력하고 있습니다. 하지만 오늘날 그들이 사용하는 "카메라"인 노이즈가 있는 중간 규모 양자(NISQ) 장치는 매우 고장 난 카메라와 같습니다. 이 장치들은 계산을 망쳐버리는 "노이즈"(정전기 및 오류)에 취약하며, 이로 인해 결과의 신뢰성이 떨어집니다.
이 논문은 완벽하고 비싼 카메라가 만들어지기를 기다리는 대신, 이 흐릿한 사진을 수정할 수 있는 영리한 새로운 기술을 소개합니다. 그 방법은 다음과 같습니다.
문제점: "고장 난 카메라"
과학자들이 양자 컴퓨터를 사용하여 분자의 에너지를 계산할 때, 기계의 노이즈는 답을 틀리게 만듭니다. 보통 답은 실제보다 높게 나오는데, 이는 마치 체중을 잴 때 항상 몇 파운드를 더하는 저울과 같습니다.
이를 해결하기 위해, 이들은 이전에 **참조 상태 오차 완화(Reference-State Error Mitigation, REM)**라고 불리는 방법을 사용했습니다.
- 기존의 기술: 당신이 단순한 물체(예: 평범한 흰색 공)의 "완벽한" 사진이 어떻게 보여야 하는지 정확히 알고 있다고 가정해 봅시다. 당신은 이 고장 난 카메라로 그 공을 찍고, 사진이 얼마나 흐릿한지 확인한 다음, 그 "흐림 계수"를 사용하여 복잡한 장면의 사진을 깨끗하게 보정합니다.
- 한계점: 이 방법은 단순한 분자(예: 하나의 공)에는 효과적이었습니다. 하지만 "강하게 상관된(strongly correlated)" 전자들(전자들이 복잡하고 동기화된 방식으로 춤을 추는 상태)을 가진 복잡한 분자의 경우에는, "평범한 흰색 공"이라는 참조 모델이 충분하지 않았습니다. 참조 모델이 너무 단순해서 복잡한 사진을 고치는 데 도움이 되지 못했던 것입니다.
새로운 솔루션: MREM (더 똑똑한 참조 모델)
저자들(Hang Zou와 동료들)은 **다중 참조 상태 오차 완화(Multireference-State Error Mitigation, MREM)**라고 불리는 새로운 방법을 개발했습니다.
단순한 "평범한 흰색 공"을 참조로 사용하는 대신, 그들은 실제 연구 중인 분자와 매우 유사하게 생긴 복잡하고 미리 그려진 청사진을 사용합니다.
- 비유: 기존의 방법이 붐비는 도시 거리의 사진을 보정하기 위해 빈 벽의 사진을 사용하는 것이었다면, 새로운 방법은 그 도시 거리의 '거친 스케치'를 사용하는 것과 같습니다. 스케치가 이미 군중의 복잡성을 담고 있기 때문에, 스케치에 나타난 "흐림"을 통해 실제 거리의 흐릿한 사진을 어떻게 고쳐야 할지 정확히 알 수 있습니다.
청사진을 만드는 방법: 기븐스 회전(Givens Rotations)
양자 컴퓨터에서 이러한 복잡한 참조 스케치를 만들기 위해, 그들은 특별한 도구가 필요했습니다. 그들은 **기븐스 회전(Givens rotations)**이라는 것을 사용했습니다.
- 비유: 양자 상태를 카드 한 뭉치라고 생각해 보십시오. 단순한 참조 모델은 단 한 장의 카드입니다. 복잡한 참조 모델은 몇 장의 카드가 특정한 방식으로 섞여 있는 상태입니다.
- 도구: 기븐스 회전은 매우 정밀하고 마법 같은 셔플러(섞는 도구)와 같습니다. 이것을 사용하면 과학자들은 단순한 시작 상태를 가져와서, 단 몇 개의 추가적인 "카드"(양자 구성)를 섞음으로써 실제 분자의 무질서하고 복잡한 현실과 매우 흡사한 참조 모델을 만들 수 있습니다.
- 중요한 이유: 그들은 모든 가능한 카드를 다 섞으려 하지 않았습니다(그렇게 하면 시간이 너무 오래 걸리고 노이즈가 너무 많이 발생하기 때문입니다). 대신 가장 중요한 상위 2~3개의 카드만을 골라냈습니다. 이를 통해 과정은 빠르고 효율적으로 유지하면서도, 분자의 복잡한 현실을 교정할 수 있을 만큼 충분히 정확하게 만들었습니다.
결과: 더 선명해진 사진
연구팀은 이 새로운 방법을 세 가지 분자(, , )에 대해 테스트했습니다.
- 물 (): 새로운 방법은 노이즈를 크게 제거하여, 기존 방식보다 훨씬 더 명확한 분자 에너지 이미지를 제공했습니다.
- 질소 (): 이 분자는 전자들이 매우 밀접하게 연관되어 있어 매우 까다롭습니다. 기존 방식은 여기서 어려움을 겪었지만, 이 새로운 "복잡한 청사진" 접근법은 특히 분자가 늘어나는 상황에서도 올바른 물리적 거동을 복구해 냈습니다.
- 불소 (): 이것은 가장 큰 성공이었습니다. 새로운 방법은 가공되지 않은 노이즈 데이터에 비해 오차를 약 100배 줄였고, 기존 방식에 비해서는 10배나 더 개선했습니다. 이 방법은 답을 "완벽한" 이론적 값에 매우 가깝게 만들어, 노이즈가 없는 계산과 거의 구별할 수 없을 정도였습니다.
결론
이 논문은 더 복잡한 "참조"(몇 개의 핵심 양자 상태의 혼합)를 사용하고, 이 참조를 만드는 효율적인 방법(기븐스 회전)을 사용함으로써, 현재의 양자 컴퓨터에서 발생하는 오류를 훨씬 더 잘 해결할 수 있다고 주장합니다.
이를 통해 과학자들은 양자 컴퓨터 자체가 여전히 불완전하고 노이즈가 많은 상황임에도 불구하고, 오늘 바로 어렵고 복잡한 화학 문제들에 대해 신뢰할 수 있고 정확한 결과를 얻을 수 있습니다. 이는 마치 고장 난 카메라를 사용하면서도, 더 똑똑한 보정 방식을 통해 수정함으로써 아주 선명한 사진을 얻어내는 것과 같습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.