⚛️ quantum physics

Quantum-Classical Auxiliary Field Quantum Monte Carlo with Matchgate Shadows on Trapped Ion Quantum Computers

이 논문은 IonQ Forte 양자 컴퓨터에서 매치게이트 섀도(matchgate shadows)를 이용한 양자-고전 보조 장(Quantum-Classical Auxiliary Field) 양자 몬테카를로 방식을 사용하여 화학 반응 장벽을 시뮬레이션하는, 기록적인 GPU 가속 엔드 투 엔드 워크플로우를 입증하며, 상당한 속도 향상과 함께 참조 값의 10 kcal/mol 이내의 결과를 달성하였습니다.

원저자: Luning Zhao, Joshua J. Goings, Willie Aboumrad, Andrew Arrasmith, Lazaro Calderin, Spencer Churchill, Dor Gabay, Thea Harvey-Brown, Melanie Hiles, Magda Kaja, Matthew Keesan, Karolina Kulesz, Andrii M

게시일 2026-07-30

📖 3 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Luning Zhao, Joshua J. Goings, Willie Aboumrad, Andrew Arrasmith, Lazaro Calderin, Spencer Churchill, Dor Gabay, Thea Harvey-Brown, Melanie Hiles, Magda Kaja, Matthew Keesan, Karolina Kulesz, Andrii Maksymov, Mei Maruo, Mauricio Muñoz, Bas Nijholt, Rebekah Schiller, Yvette de Sereville, Amy Smidutz, Felix Tripier, Grace Yao, Trishal Zaveri, Coleman Collins, Martin Roetteler, Evgeny Epifanovsky, Arseny Kovyrshin, Lars Tornberg, Anders Broo, Jeff R. Hammond, Zohim Chandani, Pradnya Khalate, Elica Kyoseva, Yi-Ting Chen, Eric M. Kessler, Cedric Yen-Yu Lin, Gandhi Ramu, Ryan Shaffer, Michael Brett, Benchen Huang, Maxime R. Hugues, Tyler Y. Takeshita

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

복잡한 기계의 설계도만 보고 그 기계가 어떻게 작동할지 예측하는 것을 상상해 보십시오. 화학의 세계에서 그 기계는 분자이며, 설계도는 전자들이 원자 주위를 어떻게 춤추듯 움직이는지를 설명하는 일련의 방정식입니다. 수십 년 동안 과학자들은 이 방정식들을 풀기 위해 강력한 고전 컴퓨터를 사용해 왔지만, 생명을 구하는 약물이나 산업용 촉매에 사용되는 전이 금속이 포함된 분자처럼 까다로운 경우에 이르면, 수학적 구조가 너무나 복받쳐서 세계에서 가장 빠른 슈퍼컴퓨터조차도 멈춰버리고 맙니다. 이는 마치 눈을 가린 채 수십억 개의 실이 엉킨 매듭을 푸는 것과 같습니다. 실을 더 많이 추가할수록 문제는 더 어려워지며, 결국 작업은 불가능해집니다. 여기서 양자 컴퓨팅이 등장합니다. 양자 컴퓨터는 단 한 쌍의 손으로 매듭을 풀려고 노력하는 대신, 양자 세계의 기묘한 법칙을 사용하여 동시에 많은 가능성을 탐색함으로써 이러한 복잡한 화학 반응을 이해하기 위한 잠재적인 지름길을 제시합니다. 큰 질문은 이것입니다. 우리는 정말로 이 연약하고 노이즈가 많은 새로운 기계들을 오늘날 실제 세상의 화학 문제를 해결하는 데 사용할 수 있을까요, 아니면 여전히 완벽하고 오류 없는 미래를 기다리고 있는 것일까요?

이 논문은 양자 세계와 고전 세계 사이의 다리를 놓아 특정한 어려운 화학 퍼즐을 풀기로 결심한 한 팀의 이야기를 들려줍니다. 그들은 탄소 원자들을 서로 이어 붙여 의약품을 만드는 데 필수적인 과정인 스즈키-미야우라(Suzuki–Miyaura) 교차 결합 반응에 집중했습니다. 구체적으로, 그들은 니켈 원자가 반응을 시작하기 위해 분자의 일부를 붙잡는 단계의 에너지 장벽을 계산하고자 했습니다. 이는 매우 어려운 문제인데, 니켈 원자는 전자들이 매우 "상관관계(correlated)"를 가지기 때문입니다. 즉, 전자들이 매우 조화롭고 혼란스러운 방식으로 행동하여 표준 컴퓨터 모델을 무너뜨립니다. 연구진은 단순히 컴퓨터로 이를 시뮬레이션한 것이 아니라, 트랩된 이온(전하를 띤 원자)을 처리 장치로 사용하는 IonQ의 양자 컴퓨터와 막대한 양의 계산을 수행할 NVIDIA GPU 군단을 결합하여 실제 실험을 수행했습니다.

연구팀은 "양자-고전 보조장(Quantum-Classical Auxiliary Field Quantum Monte Carlo, QC-AFQMC)"이라는 영리한 워크플로우를 개발했습니다. 이것을 계주 경기에 비유해 보십시오. 먼저, 양자 컴퓨터는 분자의 전자들이 어떤 모습인지에 대한 대략적인 추측인 "시행 상태(trial state)"를 준비합니다. 양자 컴퓨터에게 모든 어려운 수학 계산을 맡기는 대신, 팀은 "매치게이트 섀도우(matchgate shadows)"라는 기술을 사용했습니다. 이는 3D 물체를 여러 가지 무작위 각도에서 사진으로 찍어, 모든 세부 사항을 볼 필요 없이 그 본질을 포착하는 '그림자'를 만드는 것과 같습니다. 이 그림자들은 이후 고전 슈퍼컴퓨터로 전송되며, 슈퍼컴퓨터는 알고리즘 미분과 같은 고급 수학 기법을 사용하여 계산을 마무리하고 에너지 장벽을 예측합니다.

결과는 승리와 현실 점검이 섞여 있었습니다. 연구진이 양자 컴퓨터의 "이상적인 시뮬레이터(ideal simulator, 노이즈가 없는 완벽한 버전)"를 사용했을 때, 결과는 기대값의 ±4 kcal/mol 이내로 들어오며 표준 참조 모델과 매우 유사했습니다. 그러나 실제 노이즈가 존재하는 IonQ Forte 양자 하드웨어에서 실험을 실행했을 때는 결과가 약간 벗어나 참조값의 10 kcal/mol 이내에 머물렀습니다. 아직 완벽하지는 않지만, 이는 엄청난 도약입니다. 이 논문은 이 방법이 너무 느리거나 비용이 많이 들어서 쓸모없다는 생각을 명시적으로 반박합니다. 실제로 그들은 새로운 알고리즘과 GPU 가속 덕분에 이전의 최첨단 방식과 비교했을 때 문제를 해결하는 데 걸리는 시간을 656배나 단축했습니다. 또한 양자 하드웨어가 에너지 값을 변화시키는 노이즈를 유발하긴 했지만, 이 방법이 유용한 화학적 통찰력을 제공할 만큼 충분히 견고하다는 것을 발견했습니다.

연구팀은 또한 이 작업을 위해 양자 컴퓨터를 특정하여 튜닝하는 것이 큰 차이를 만든다는 것을 발견했습니다. 회로를 어떻게 전달하고 실행할지를 최적화함으로써 데이터 수집 속도를 9배 높였습니다. 그들은 총 24개의 큐비트를 사용했는데, 16개는 분자의 시행 상태를 나타내는 데 사용했고, 나머지 8개는 오류를 포착하고 수정하는 데 도움을 주는 "보조(ancilla)" 큐비트로 사용했습니다. 최종적인 결론은, 우리가 아직 완벽하고 오류 없는 화학을 양자 장치로 구현하는 단계에 도달한 것은 아니지만, 이 엔드 투 엔드(end-to-end) 워크플로우는 우리가 이전에 접근할 수 없었던 실제의 복잡한 촉매 반응을 다룰 수 있음을 증명했다는 것입니다. 이는 양자 화학을 신약 개발을 위한 실질적인 도구로 만드는 데 있어 중요한 진전이며, 적절한 양자 하드웨어, 고전 슈퍼컴퓨팅 능력, 그리고 영리한 알고리즘이 결합될 때 분자 화학의 엉킨 매듭을 풀기 시작할 수 있음을 보여줍니다.

기술 요약: 포획 이온 양자 컴퓨터 상의 매치게이트 섀도우를 이용한 양자-고전 보조장 필드 양자 몬테카를로

문제 정의
스즈키-미야우라 교차 결합 반응과 같은 전이 금속(TM) 촉매를 포함하는 화학 반응 장벽을 정확하게 모델링하는 것은 고전적 계산 화학 분야에서 여전히 중요한 과제입니다. 이러한 시스템은 홀전자(unpaired electrons)인 d 또는 f 전자로 인해 강한 전자 상관관계와 다중 참조(multi-reference) 특성을 나타내며, 이로 인해 밀도 범함수 이론(DFT)이나 "골드 스탠다드"인 CCSD(T)와 같은 표준 단일 참조 방법론들이 실패하거나 성능이 저하됩니다. 양자 위상 추정(QPE)은 정확한 해법을 제공하지만, 현재의 기술 수준을 넘어서는 결함 허용(fault-tolerant) 하드웨어를 필요로 합니다. 변분 양자 고유치 솔버(VQE)는 노이즈에 강한 특성이 있으나, 측정 비용이 매우 높고 장치 노이즈에 민감하다는 단점이 있습니다. 따라서 근미래형 양자 하드웨어를 사용하여 상관된 시도 상태(correlated trial states)를 준비하면서도, 고전적 후처리 과정의 계산 병목 현상을 완화할 수 있는 하이브리드 양자-고전 알고리즘이 필요합니다.

방법론
저자들은 가속화된 양자 슈퍼컴퓨팅 환경 내에서 실행되는 양자-고전 보조장 양자 몬테카를로(QC-AFQMC) 알고리즘을 위한 엔드 투 엔드(end-to-end) 워크플로우를 제시합니다. 이 워크플로우는 IonQ Forte 포획 이온 양자 컴퓨터와 AWS 상의 NVIDIA GPU를 통합합니다.

알고리즘 프레임워크: 본 방법은 파동 함수를 허수 시간(imaginary time)에 따라 진화시켜 바닥 상태를 찾는 고전적 AFQMC 투영 몬테카를로 접근 방식을 활용합니다. 페르미온 위상 문제(fermionic phase problem)를 해결하기 위해, VQE와 유니터리 쌍 결합 클러스터 더블(upCCD) 안사츠(ansatz)를 사용하여 양자 컴퓨터 상에서 시도 파동 함수( $|\Psi_T\rangle$ )를 준비합니다.
매치게이트 섀도우(Matchgate Shadows): AFQMC에서의 중첩(overlap) 계산 시 지수적으로 증가하는 표준 하다마드 테스트(Hadamard test)나 클리포드 기반 클래식 섀도우 대신, 본 워크플로우는 매치게이트 섀도우 기술을 채택합니다. 이 기술은 양자 시도 상태와 고전적 워커(walker) 상태 사이의 중첩 $\langle \Psi_T | \phi \rangle$ 를 효율적으로 평가할 수 있게 하며, 중첩 계산의 스케일링은 시스템 크기 $N$ 에 대해 다항식( $O(N^{4.5})$ )으로 유지됩니다.
가상 상관 에너지(Virtual Correlation Energy, VCE): 전체 오비탈 공간이 가용 큐비트 수를 초과하는 대규모 화학 시스템을 처리하기 위해, 시스템을 양자 시도 상태가 다루는 활성 공간(active space)과 가상 공간으로 분할합니다. VCE 기술은 단일 슬레이터 행렬식(Slater determinant)을 사용하여 활성 공간 외부의 전자 상관관계를 포착함으로써, 양자 자원이 강하게 상관된 활성 공간에 집중할 수 있도록 합니다.
알고리즘 최적화: 저자들은 고전적 후처리 단계에서 상당한 알고리즘 개선을 도입했습니다. 행렬 파프리안(matrix Pfaffian)의 미분을 사용하는 알고리즘 미분(algorithmic differentiation)을 활용함으로써, 국소 에너지 및 힘 바이어스(force bias) 항을 계산하는 데 필요한 계산 복잡도를 유한 차분 방식 대비 각각 $O(N^{8.5}) \to O(N^{5.5})$ 및 $O(N^{7.5}) \to O(N^{4.5})$ 로 감소시켰습니다.
하드웨어 실행:
- 양자: 시도 상태는 이상적인 시뮬레이터에서 최적화되며, 매치게이트 섀도우 회로는 IonQ Forte QPU에서 실행됩니다. 처리량을 극대화하기 위해 QPU 제어 소프트웨어 및 펌웨어의 성능 튜닝이 구현되었습니다.
- 고al: 허수 시간 전파 및 에너지 평가는 cuBLAS, cuSOLVER, cuTENSOR 라이브러리를 활용하여 NVIDIA H100 및 H200 GPU가 탑재된 AWS ParallelCluster에서 수행됩니다.

주요 기여

최초의 대규모 시연: 본 연구는 IonQ Forte 프로세서에서 24개의 큐비트(시도 상태용 16개, 오류 완화를 위한 보조 큐비트 8개)를 사용하여 매치게이트 섀도우를 수행한 가장 큰 규모의 QC-AFQMC 실험을 보고합니다.
알고리즘적 가속: 알고리즘 미분과 GPU 가속을 통한 점근적 복잡도 감소를 통해, 본 구현은 Huang 등의 최신 연구[41]와 비교하여 고전적 후처리 단계의 시간 대비 솔루션(time-to-solution)을 656배 개선했습니다.
하드웨어 처리량 최적화: IonQ Forte 제어 스택에 대한 특정 성능 튜닝을 통해 매치게이트 회로 측정 수집 속도를 9배 향상시켰습니다.
엔드 투 엔드 워크플로우: 양자 상태 준비, 섀도우 토모그래피, GPU 가속 고전 몬테카를로 전파를 결합한 완전 통합 워크플로우를 구축하였습니다.

결과
알고리즘은 (8,8) 활성 공간을 사용하여 니켈 촉매 스즈키-미야우라 반응(종 B, 전이 상태 [B-C]‡, 생성물 C 포함)의 산화적 첨가 단계를 시뮬레이션하는 데 적용되었습니다.

정확도: 매치게이트를 이상적인 시뮬레이터에서 샘플링했을 때, 계산된 반응 장벽은 참조 값인 CCSD(T) 결과의 불확정 구간인 ±4 kcal/mol 이내에 있었습니다.
노이즈 영향: 실제 QPU에서 측정했을 때, 결과는 참조 값으로부터 약 10 kcal/mol 편차를 보였습니다. 노이즈로 인해 반응물과 생성물의 에너지 순위가 질적으로 변화하였으며, 이는 이 특정 응용 분야에 대한 현재의 오류 완화 기술의 한계를 보여줍니다.
입자 수: 이상적인 시뮬레이터는 실제 바닥 상태 입자 수(8개)에 가까운 결과를 냈으나, QPU 측정값은 약 10.5개로 편차를 보였습니다. 이는 심각한 하드웨어 노이즈를 나타내지만, 에너지 결과는 입자 수 추정치보다 노이즈에 더 탄력적임을 확인했습니다.

의의
본 논문은 이 작업이 "양자 장치 상의 실질적인 양자 화학 시뮬레이션을 향한 단계"라고 주장합니다. 본 연구는 알고리즘적 개선과 하드웨어 가속을 통해 QC-AFQMC를 실제 과학적 관심 대상인 촉매 전이 금속 복합체에 적용할 수 있음을 입증함으로써, QC-AFQMC가 실제 유의미한 시스템에 적용하기에는 지나치게 비용이 많이 든다는 기존의 통념에 도전합니다. 또한, 본 연구는 이 방법론이 유효하기는 하지만, NISQ 하드웨어에서 잠재력을 완전히 실현하기 위해서는 오류 완화 기술 및 견고한 시도 상태의 선택에 대한 추가적인 발전이 필요함을 시사합니다. 아울러 의미 있는 속도 향상을 달으기 위해 양자 하드웨어 제어 소프트웨어를 특정 알고리즘 워크로드와 공동 설계(co-design)하는 것이 필수적임을 강조합니다.

유사한 논문