Effect of Weak Measurement Reversal on Quantum Correlations in a Correlated Amplitude Damping Channel, with a Neural Network Perspective

양자 물리학의 미시 세계에서 입자들은 얽힘(entanglement)이라고 알려진 깊은 연결 상태로 존재할 수 있는데, 이는 한 입자의 운명이 거리에 상관없이 다른 입자의 운명과 즉각적으로 연결되는 상태를 의미한다. 이 현상은 초보안 통신 및 강력한 컴퓨터와 같은 미래 기술의 엔진이다. 그러나 이러한 섬세한 양자 상태는 믿을 수 없을 정도로 취약하다. 열, 공기, 또는 전자기장과 같이 주변 환경과 상호작용하는 즉시, 이들은 특수한 성질을 잃기 시작하며, 과학자들은 이 과정을 결어ent(decoherence, 결맞음 해제)라고 부른다. 이는 마치 양자 세계의 조용하고 완벽한 질서가 일상 세계의 소음에 의해 서서히 잠식되어, 결국 연결이 완전히 사라지게 되는 것과 같다. 이러한 환경적 간섭으로부터 이러한 상태를 보호하는 것은 실제 작동하는 양자 장치를 구축하는 데 있어 가장 중요한 과제 중 하나이다.

인도와 캐나다의 연구팀은 시스템에서 에너지가 누출되는 방식을 모방한 진폭 감쇠(amplitude damping)라는 특정 유형의 노이즈로부터 이러한 양자 연결을 어떻게 보호할 수 있는지에 대해 면밀히 조사했다. 그들은 완벽하게 일치하는 파트너부터 더 복잡한 혼합 상태에 이르기까지 세 가지 서로 다른 유형의 얽힌 쌍에 집중했다. 그들의 목표는 노이즈가 '기억(memory)'을 가질 때, 즉 노이즈 이벤트가 무작위적이고 독립적인 것이 아니라 시간에 따라 서로 연결되어 있을 때, 이 쌍들이 어떻게 버텨내는지 확인하는 것이었다. 이러한 퇴화를 막기 위해 연구팀은 약한 측정 및 역전(weak measurement and reversal)이라고 알려진 전략을 사용했다. 이 기술은 양자 상태를 완전히 붕괴시키지 않으면서 아주 적은 양의 정보를 얻기 위해 양자 시스템을 부드럽게 엿본 다음, 계산된 역전 연산을 수행하여 노이즈에 의해 발생한 손상을 되돌리는 과정을 포함한다. 연구팀은 이 방법을 단일 입자와 쌍 입자 모두에 적용하고, 컴퓨터 모델을 사용하여 서로 다른 유형의 양자 연결 간의 복잡한 관계를 분석함으로써, 이 전략이 어느 정도의 보호 효과를 제공하는지를 정확히 지도화했다.

연구 결과, 환경의 기억이 양자 연결이 얼마나 오래 생존하는지에 중요한 역할을 한다는 것이 밝혀졌다. 노이즈가 완전히 무작위적이고 상관관계가 없을 때는 얽힌 상태가 빠르게 악화되었다. 그러나 노이즈가 기억을 가질 때, 즉 교란이 상관관계를 가질 때, 양자 상태는 훨씬 더 오래 유지되었다. 이 발견은 노이즈가 무질서하기보다는 구조화된 특정 실제 시나리오에서 양자 정보가 이전에 생각했던 것보다 더 견고할 수 있음을 시사한다. 연구진은 서로 다른 유형의 양자 연결이 어떻게 실패하는지에 대한 명확한 계층 구조를 관찰했다. 가장 강력한 형태의 연결, 예를 들어 한 입자를 측정함으로써 다른 입자를 조종(steering)하는 능력은 노이즈가 증가함에 따라 가장 먼저 사라졌다. 얽힘이 사라진 후에도 남아 있는 미묘하고 비고전적인 연결을 측정하는 더 약한 형태의 연결은 훨씬 더 오래 지속되었다. 이는 가장 강력한 양자 자원이 가장 취약하지만, 시스템의 근본적인 양자성은 한꺼번에 사라지는 것이 아니라 단계적으로 서서히 사라진다는 것을 확인시켜 준다.

이러한 약화를 방지하기 위해 연구팀은 약한 측정 및 역전 프로토콜을 적용했다. 그들은 두 입자 중 단 하나의 입자에 대해서만 부드러운 개입을 수행하는 것이 어느 정도 도움이 되지만, 두 입자 모두에 동시에 적용하는 것이 훨씬 더 효과적이라는 것을 발견했다. 노이즈에 기억이 있고 역전이 두 입자 모두에 적용되는 최선의 시나리오에서, 양자 상관관계는 놀라울 정도로 잘 보존되었으며, 종종 원래의 강도로 회복되었다. 이는 그들이 테스트한 세 가지 유형의 얽힌 상태 모두에 해당되었으나, 최대 얽힘 혼합 상태(MEMS)의 경우, 최적의 조건에서도 양자 조종 능력이 회복되지 않는다는 예외가 있었다. 결과는 이 두 입자 역전 전략이 단일 입자에 작용하는 것보다 양자 자원을 보호하는 데 우월한 방법이며, 성능의 급격하고 갑작스러운 하락을 훨씬 더 느리고 관리 가능한 감소로 바꾸어 놓는다는 것을 보여준다.

이 연구의 독특한 측면은 인간의 뇌에서 영감을 받은 유형의 컴퓨터 프로그램인 인공 신경망을 사용하여 데이터를 해석했다는 점이다. 트레이스 거리 디스코드(trace distance discord)라고 알려진 특정 양자 연결 척도를 계산하는 것은 매우 어렵고 계산 비용이 많이 든다. 연구진은 얽힘 강도 및 텔레포테이션 충실도(teleportation fidelity)와 같이 계산하기 더 쉬운 다른 척도로부터 데이터를 입력받아, 이 어려운 값을 예측하도록 신경망을 훈련시켰다. 모델은 이러한 다양한 양들 사이의 복잡하고 비선형적인 패턴을 인식하는 법을 배웠다. 모델은 매우 높은 정확도로 계산하기 어려운 값들을 성공적으로 예측했으며, 이는 서로 다른 양자 척도 사이의 관계가 무작위적인 것이 아니라 기계가 학습할 수 있는 구조화된 논리를 따른다는 것을 증명했다. 또한, 팀은 네트워크의 내부 '가중치'를 분석함으로써 얽힘과 입자를 조종하는 능력이 전체 양자 연결을 예측하는 데 가장 영향력 있는 요소임을 발견했다.

연구는 노이즈가 필연적으로 양자 시스템을 저하시시키지만, 환경의 기억과 능동적인 보호 전략의 결합이 이러한 자원의 수명을 크게 연장할 수 있다고 결론짓는다. 두 큐비트 약한 측정 역전 프로토콜은 단일 큐비트 접근 방식보다 뛰어난 성능을 보였으며, 특정 혼합 상태에 대한 구체적인 제한 사항은 있으나 정보 전송 및 상태 텔레포테이션과 같은 작업에서 양자 상태의 유용성을 유지하는 데 도움을 주는 강력한 도구로 나타났다. 본 연구는 단일한 척도가 전체 이야기를 들려주지는 않으며, 가장 강한 것부터 가장 약한 것에 이르기까지 다양한 상관관계의 계층을 살펴보는 것이 완전한 그림을 얻는 데 필요함을 강조한다. 물리적 프로토콜을 머신 러닝과 결합함으로써, 연구진은 양자 연결이 압박 속에서 어떻게 행동하는지에 대한 더 명확한 지도를 제공하였으며, 미래의 양자 기술에 필요한 섬세한 자원을 보존하기 위한 실질적인 경로를 제시하였다.