Comparing Quantum Annealing and BF-DCQO

세계에서 가장 어려운 퍼즐을 풀기 위한 경주에서, 과학자들은 이점을 얻기 위해 양자 세계의 기이한 행동에 오랫동안 주목해 왔습니다. 이 힘을 활용하기 위해 두 가지 주요 접근 방식이 등장했습니다. 첫 번째는 양자 어닐링(quantum annealing)으로, 기계가 단순한 시작점에서 복잡한 목적지까지 천천히 유도되어, 마치 공이 언덕을 굴러 내려가 가장 낮은 골짜기를 찾는 것처럼 시스템이 자연스럽게 최적의 솔루션에 안착하게 하는 방식입니다. 두 번째 접근 방식은 게이트 모델 양자 컴퓨터(gate-model quantum computers)로, 이는 전통적인 컴퓨터가 데이터를 처리하는 방식과 유사하게 논리 게이트를 사용하여 정보를 이산적인 단계로 조작하지만, 동시에 여러 상태로 존재할 수 있는 능력이 추가되었습니다. 최근 연구자들은 이 두 세계를 결합하여, 고전 컴퓨터가 게이트 모델 양자 프로세서를 일련의 단계로 안내하여 최적화 문제를 해결하는 하이브리드 기술을 제안했습니다. '바이어스 필드 디지털화 카운터다이아바틱 양자 최적화(bias-field digitized counterdiabatic quantum optimization)'라고 알려진 이 방법은 기존의 양자 어닐링 머신보다 우수하다고 주장되었습니다. 그러나 새로운 분석은 이야기가 상당히 다르다는 것을 시사하며, 이 하이브리드 시스템의 양자 부분이 실제 작업의 아주 적은 부분만을 수행하고 있을 수 있음을 밝혀냈습니다.

D-Wave Quantum의 연구팀은 자신들의 양자 어닐러와 이 하이브리드 알고리즘의 성능을 직접 비교함으로써 이러한 주장을 검증하기 위해 나섰습니다. 그들은 물류, 금융, 재료 과학 등에서 흔히 발생하는 과제인, 방대한 가능성 사이에서 가장 낮은 에너지 상태를 찾는 것을 목표로 하는 특정 유형의 문제에 집중했습니다. 문제가 된 이 하이브리드 방식은 고전 컴퓨터가 양자 실행 결과를 분석한 다음 다음 실행을 위한 설정을 조정하여 시스템을 더 나은 답으로 점진적으로 유도하는 피드백 루프를 사용합니다. 이 방법의 원래 제안자들은 그것이 D-Wave의 머신들보다 성능이 뛰어나다고 보고했습니다. 그러나 새로운 연구는 그 반대가 사실임을 발견했습니다. 연구진이 동일한 문제를 D-Wave의 양자 어닐러에서 실행했을 때, 머신들은 훨씬 더 짧은 시간 내에 훨씬 더 높은 품질의 솔루션을 찾아냈습니다.

왜 이 하이브리드 방식이 과대평가되었을지도 모른다는 점을 이해하기 위해, 연구진은 간단한 대조 테스트를 도입했습니다. 그들은 하이브리드 워크플로에서 양자 컴퓨터를 단순히 비트를 하나씩 뒤집어 솔루션을 개선하는 매우 기초적인 "멍청한" 고전적 루틴으로 대체했습니다. 놀랍게도, 이 사소한 고전적 대체물은 양자 프로세서를 포함한 복잡한 하이브리드 시스템만큼 잘 수행되었으며, 종종 그보다 더 나은 성능을 보였습니다. 이 결과는 하이브리드 접근 방식의 양자 구성 요소가 정답의 품질에 유의미하게 기여하지 않았음을 시사합니다. 대신, 개선 사항은 아마도 검색을 정교화하고 편향을 주는 고전 컴퓨터의 능력에서 비롯되었을 것이며, 이는 양자 머신이 부차적이거나 심지어 수동적인 역할을 하는 동안 고전 컴퓨터가 실질적인 핵심 작업을 수행했음을 의미합니다.

연구는 또한 이러한 솔루션에 도달하는 데 걸리는 시간을 조사했는데, 이는 성능 주장 시 자주 간과되는 요소입니다. 연구진은 게이트 모델 양자 컴퓨터에서 이 하이브리드 알고리즘을 실행하는 것이 양자 어닐러에서 동일한 문제를 실행하는 것보다 수십 배 더 오래 걸릴 것이라고 계산했습니다. 예를 들어, 특정 유형의 복잡한 문제를 포함한 테스트에서 어닐러는 1초 미만에 과제를 완료했지만, 하이브리드 방식은 낙관적인 추정치를 적용하더라도 거의 1분 또는 그 이상이 소요될 것입니다. 이 거대한 속도 차이는 하이브리드 시스템의 양자 부분이 거의 가치를 더하지 못한다는 발견과 결합되어, 특정 최적화 과제들에 대해서는 어닐링 접근 방식이 여전히 더 효율적인 도구임을 나타냅니다.

연구진은 비교가 공정하고 재현 가능하도록 주의를 기울였습니다. 그들은 하이브리드 방식의 우월성을 주장했던 기존 연구들이 원시 데이터를 공유하지 않았다는 점에 주목하여, 팀 자체적으로 발표된 설명을 바탕으로 문제 세트를 생성했습니다. 그들은 수천 개의 큐비트를 포함하는 최신 세대의 D-Wave 하드웨어에서 이를 테스트하여, 이전에는 너무 컸던 문제들을 해결할 수 있었습니다. 모든 경우에서 양자 어닐러는 더 나은 솔루션을 더 빠르게 반환했습니다. 연구는 하이브리드 알고리즘이 흥미로운 연구 분야이기는 하지만, 이 특정 방법에 대한 우월성 주장은 증거에 의해 뒷받침되지 않는다고 결론지었습니다. 양자 어닐러는 바닥 상태 근처에 머물며 천천히 진화함으로써 테스트된 문제들에 대해 더 견고하고 빠른 솔버임을 입증한 반면, 하이브리드 접근 방식은 양자 하드웨어 없이도 재현 가능한 고전 컴퓨팅 기법에 크게 의존하는 것으로 나타났습니다.