Re-uploading quantum data: a universal function approximator for quantum inputs

기술 요약: 범용 함수 근사기(Universal Function Approximator)로서의 양자 데이터 재업로드

문제 정의
양자 기계 학습(QML)은 학습 과제를 위해 양자 계산을 활용하는 것을 목표로 한다. 클래식 입력을 위한 게이트 회전 파라미터에 클래식 값을 삽입하여 표현력을 높이는 기법인 "데이터 재업로드(data re-uploading)"는 클래식 입력에 대해서는 범용 함수 근사기로서 확립되어 있으나, 양자 입력으로의 확장 연구는 여전히 미진한 상태이다. 근본적인 장애물은 밀도 행렬 $\rho$로 제공되는 양자 데이터가 게이트 회전을 위한 파라미터로 직접 사용할 수 있는 클래식 숫자로 접근할 수 없다는 점이다. 따라서 클래식 값에 의존하여 게이트 파라미터를 설정하는 표준 재업로드 전략은 적용이 불가능하다. 양자 상태의 비선형 범함수(nonlinear functionals)를 추정하기 위한 기존 방법들(예: 제어된 SWAP 테스트를 통한 방식)은 임의의 연속 함수를 위한 일반적이고 학습 가능한 아키텍처를 제공하기보다는 특정 범함수에 특화되어 있다.

방법론
저자들은 클래식 설명 없이 양자 입력에 직접 작용하도록 설계된 양자 데이터 재업로드 아키텍처를 제안한다. 이 방법론의 핵심 구성 요소는 다음과 같다:

1. 아키텍처: 모델은 임의의 $n$-큐비트 입력 상태 $\rho$(레지스터 $B$)의 신선한 복사본들과 순차적으로 상호작용하는 단일 큐비트 신호 레지스터(큐비트 $A$)를 활용한다.
2. 메커니즘: 각 레이어 $l$에서, 신호 큐비트는 상호작용 유니터리 $U^{(l)}$를 통해 $\rho$의 신선한 복사본과 얽히며, 이 상호작용은 $\rho$의 정보를 결합 시스템으로 "업로드"한다. 그 후 입력 레지스터 $B$는 폐기되거나 새로운 $\rho$로 리셋되며, 신호 큐비트 $A$는 보존되어 다음 레이어로 전달된다. 이 과정은 개방형 양자 시스템 역학의 충돌 모델(collision models)과 유사한 이산적인 CPTP(완전 양의 값을 가지며 트레이스 보존적인) 맵의 캐스케이드(cascade)를 생성한다.
3. 파라미터화: 회로는 데이터 인코딩 상호작용(입력 상태 구조에 의존하는 얽힘 유니터리)과 신호 큐비트에 작용하는 학습 가능한 단일 큐비트 유니터리 $V^{(l)}(\theta)$ 사이를 교대로 수행한다.
4. 판독(Readout): $L$개의 레이어를 거친 후, 최종 관측량은 단일 신호 큐비트에서 측정되어 스칼라 출력을 생성한다. 이 아키텍처는 고정된 $|0\rangle$ 상태가 아닌, $\rho$에 대한 신선한 복사본 접근(fresh-copy access) 능력을 전제로 한다.

주요 기여
본 논문은 다음의 기여를 통해 제안된 아키텍처의 이론적 및 경험적 타당성을 입증한다:

• 범용 근사 정리(Universal Approximation Theorem): 주요 이론적 결과(정리 2)는 제안된 아키텍처가 양자 상태 $\rho$의 임의의 유계 연속 함수(bounded continuous function)에 대한 범용 근사기임을 증명한다. 구체적으로, 임의의 타겟 함수 $F: \mathcal{D}(\mathcal{H}_d) \to \mathbb{R}$와 오차 허용 범위 $\epsilon$에 대하여, 유한한 수의 레이어와 파라미터를 사용하여 모델이 균등 노름(uniform norm) 내에서 $F$를 $\epsilon$ 이내로 근사할 수 있는 레이어와 파라미터가 존재한다.
• 공간 효율성: 본 논문의 중요한 기여 중 하나는 최소한의 큐비트 자원으로 범용성을 달성함을 보여준 것이다. 입력 상태의 차원(즉, $\rho$의 큐비트 수 $n$)에 관계없이, 모델은 단 하나의 추가 큐비트(신호 레지스터)만을 사용하여 범용성을 확보한다. 이는 큐비트 재사용을 통해 달성되며, 입력 레지스터를 레이어 전반에 걸쳐 리셋하고 재사용함으로써 전체 큐비트 수를 회로 깊이 $L$과 무관하게 $n+1$로 일정하게 유지한다.
• 클래식 재업로드와의 연결: 저자들은 양자 데이터 재업로드 아키텍처가 표준 클래식 데이터 재업로드 회로를 시뮬레이션할 수 있음을 보여준다. 약한 상호작용(weak interactions)의 시퀀스를 사용하여 데이터 의존적 회전(일반화된 블로흐 벡터 성분 $\lambda_\alpha = \text{tr}(\rho W_\alpha)$의 함수)을 근사함으로써, 양자 모델은 클래식 재업로드 모델의 범용 근사 능력을 상속받는다.
• DQC1과의 관계: 논문은 단일 레이어($L=1$)의 경우, 모델이 해다마르 테스트(Hadamard test)와 유사하며 트레이스 추정(trace estimation) 맥락에서 DQC1(Deterministic Quantum Computation with One Clean Qubit) 모델과 연결됨을 언급한다.

실험 결과
저자들은 존재성 증명을 넘어 모델의 학습 가능성과 성능을 조사하기 위해 수치 실험을 수행하였다:

• 다항식 피팅(Polynomial Fitting): 모델은 단일 큐비트 순수 상태에 대한 파라미터 $\lambda = 2t^2 - 1$의 다양한 단변량 다항식을 성공적으로 피팅하였다. 결과는 레이어 수($L$)를 늘릴수록 고차 다항식에 대한 근사 성능이 향착됨을 보여주었다.
• 순도 분류(Purity Classification): 모델은 단일 큐비트 상태의 순도($\text{tr}(\rho^2)$)가 특정 임계값을 초과하는지 분류하도록 학습되었다. 결과는 깊이($L$)에 따라 정확도가 크게 향상됨을 보여주었으며, $L=4$에서 0.98에 도달했다. 저자들은 $L=2$가 순도 함수를 구현하기에 불충분함을 관찰하였으며, 이는 특정 비선형 과업을 위한 깊이의 필요성을 강조한다.
• 얽힘 엔트로피 분류: 모델은 2차 레니 얽힘 엔트로피(second-order Rényi entanglement entropy)를 기준으로 2-큐비트 순수 상태를 분류하였다. 정확도는 $L=1$일 때 거의 무작위 수준에서 $L=4$일 때 0.93까지 향상되었다.
• 블로흐 구면 분류: 모델은 블로흐 구면상의 복잡한 결정 경계(예: $|r_3| \geq 0.5$)를 학습하였으며, 적절한 레이어 깊이에서 0.99의 정확도를 달성하였다.
• 학습 역학(Training Dynamics): 실험에는 풀 유니터리 파라미터화($U = \exp(iH)$)와 자동 미분(automatic differentiation)이 사용되었다. 저자들은 파라미터 시프트 규칙(parameter-shift rules)이 이론적으로 적용 가능하지만, 시뮬레이션의 유연성을 위해 자동 미분을 채택했다고 언급했다.

의의 및 주장
본 논문은 양자 데이터에 직접 작용하는 QML 모델을 설계하기 위한 공간 효율적이고 표현력이 풍부한 접근 방식을 제공한다고 주장한다. 단일 큐비트가 충분한 신선한 복사본과 깊이가 주어진다면 임의의 양자 입력을 위한 범용 프로세서 역할을 할 수 있음을 증명함으로써, 본 연구는 "단일 큐비트 범용성" 패러다임을 양자 입력 영역으로 확장한다.

저자들은 실질적인 함의에 대해 신중한 입장을 취한다:

• 이들의 범용성 증명은 너비 효율성(width efficiency)에 관한 존재론적 진술이지, 임의의 과업에 대한 효율적인 회로 합성이나 샘플 복잡도를 보장하는 것이 아님을 명시한다.
• 표현력(많은 복사본/레이어 필요)과 자원 오버헤드(큐비트 수) 사이의 트레이드오프가 여전히 과제로 남아 있음을 인정한다.
• 이 아키텍처가 큰 앙시라리(ancillary) 레지스터의 필요성을 피하지만, 특정 함수 클래스에 대한 명시적이고 깊이 효율적인 회로 패밀리를 설계하는 것은 여전히 열린 문제임을 시사한다.
• 신호 레지스터가 확장될 때 이 아키텍처의 잠재적 이점이 더 두드러질 수 있다고 가정하지만, 현재의 연구는 단일 큐비트 케이스에 집중하고 있다.

요약하자면, 이 논문은 양자 데이터를 "재업로드"하기 위한 이론적 토대를 구축하며, 신선한 양자 상태와의 순차적 상호작용을 통해 최소한의 양자 시스템이 해당 상태의 임의의 연속 함수를 근사할 수 있음을 입증함으로써, 클래식 데이터 인코딩에 의존하지 않는 QML 모델을 위한 실행 가능한 경로를 제시한다.