An infinite hierarchy of multi-copy quantum learning tasks

양자 물리학의 세계에서 과학자들은 미지의 계를 학습하려고 할 때 종종 좌절스러운 트레이드오프(trade-off)에 직면합니다. 양자 상태를 이해하기 위해서는 이를 측정해야 하지만, 측정 행위는 필연적으로 계를 교란하며, 우리가 찾고자 하는 바로 그 정보를 파괴하곤 합니다. 명확한 그림을 얻기 위해 연구자들은 동일한 상태를 여러 번 준비하고 각 복사본을 개별적으로 측정해야 합니다. 신뢰할 수 있는 답을 얻기 위해 필요한 이 복사본의 수는 샘플 복잡도(sample complexity)라고 알려져 있습니다. 오랫동안 복잡한 양자 계의 특성을 학습하는 데는 시스템이 커짐에 따라 기하급급수적으로 증가하는 불가능한 수의 샘플이 필요하다고 믿어져 왔습니다. 그러나 최근의 돌파구는 만약 과학자가 두 개의 상태 복사본을 한 번에 동시에 측정할 수 있다면, 하나씩 측정하는 대신 특정 문제들을 훨씬 적은 수의 샘플로 해결할 수 있음을 보여주었습니다. 이는 매혹적인 질문을 던졌습니다. 이것이 단 한 번의 기적인가, 아니면 더 많은 복사본을 한꺼번에 측정할 수 있다면 더 복잡한 작업에 대해서도 유사한 지름길이 존재하는가?

한 연구팀은 이제 이 질문에 대한 답을 제시하며, 이전에 숨겨져 있던 광범위한 양자 학습 도전의 지형을 밝혀냈습니다. 그들은 양자 상태의 여러 복사본을 동시에 측정하는 능력이 난이도의 사다리를 형성하며, 각 계단이 새로운 복잡성의 수준을 나타낸다는 것을 발견했습니다. 특정 수학적 과제들에 대해, 그들은 만약 당신이 특정 숫자보다 적은 수의 복사본을 측정하도록 제한된다면, 해당 과제는 실용적이지 못할 정도로 빠르게 증가하는 지수적인 난이도를 갖게 된다는 것을 증명했습니다. 하지만 정확히 그 특정 수만큼의 복사본을 사용할 수 있게 되는 순간, 난이도는 붕괴하며 과제는 해결하기 쉬워집니다. 이러한 현상은 단 두 개의 복사본에만 국한되지 않습니다. 이는 많은 서로 다른 숫자들에 대해 무한히 반복되며, 효율성을 여는 열쇠는 필요한 복사본을 보유할 수 있는 적절한 양의 양자 메모리를 갖추는 것임을 보여주는 무한한 학습 문제의 계층 구조를 만들어냅니다.

연구진은 대부분의 현재 컴퓨터에 사용되는 표준적인 2준위 계보다 더 복잡한 일련의 양자 계에 집중했습니다. 그들은 이 계들을 활용하여 특정 학습 과제를 설계했는데, 컴퓨터에게 다양한 양자 특성의 강도를 추정하도록 요구하는 방식이었습니다. 그들은 임의의 정수 복사본 수가 4로 나누어떨어지지 않는 경우, 그 숫자보다 하나 적은 수의 복사본만을 사용하여 문제를 효율적으로 해결하는 것이 불가능하다는 것을 수학적으로 증명했습니다. 예를 들어, 만약 어떤 과제가 세 개의 복사본으로 효율적으로 해결되도록 설계되었다면, 두 개의 복사본만을 사용하여 이를 해결하려고 시도하는 것은 지수적으로 더 큰 수의 샘플을 요구하게 되어 사실상 불가능해집니다. 이러한 어려움은 연구자가 가장 정교한 적응형 전략(adaptive strategies), 깊은 양자 회로, 또는 강력한 고전 컴퓨터를 사용하더라도 유효합니다. 즉, 이 어려움은 한 번에 측정할 수 있는 복사본의 수라는 한계에 근거한 근본적인 것입니다.

연구진은 이러한 장벽을 설정한 후, 이를 깨뜨리는 방법 또한 보여주었습니다. 그들은 과제를 효율적으로 해결하는 데 필요한 정확한 수의 복사본을 사용하는 특정 프로토콜을 구축했습니다. 이 방법은 모든 복사본에 대해 결합 측정(joint measurement)을 수행하는 것을 포함합니다. 현재의 하드웨어로는 구축하기 어려운 매우 깊고 복잡한 회로를 필요로 했던 이전의 방법들과 달리, 그들의 새로운 프로토콜은 매우 얕은 회로로 실행될 수 있습니다. 필요한 회로의 깊이는 시스템의 크기에 따라 증가하지 않으므로, 거대한 양자 상태에 대해서도 관리가능한 수준을 유지합니다. 연구진은 이 접근법이 단순한 이론적 가능성이 아니라, 큐트릿(qutrit)이라 불리는 3준위 계를 포함한 실질적인 양자 연산을 통해 구현될 수 있음을 입증했습니다. 심지어 그들은 이러한 연산이 표준적인 2준위 큐비트(qubit)의 언어로 어떻게 번역될 수 있는지 보여줌으로써, 이 이점이 기존의 양자 아키텍처에서도 접근 가능하다는 것을 증명했습니다.

이 연구의 의의는 양자 학습의 난이도에서 나타나는 날카로운 상전이(phase transition)를 밝혀낸 데 있습니다. 이는 어렵고 쉬움 사이의 경계가 모호한 기울기가 아니라 정밀한 절벽임을 보여줍니다. 복사본이 부족한 절벽의 한쪽 편에서는 샘플 복잡도가 폭발합니다. 반면, 정확한 수의 복사본을 확보한 다른 쪽 편에서는 복잡도가 관리 가능한 수준으로 떨어집니다. 이 발견은 양자 메모리의 결정적인 역할을 강조합니다. 고전 컴퓨터가 데이터를 처리하기 위해 저장할 메모리가 필요한 것처럼, 양자 컴퓨터는 이러한 효율적인 결합 측정을 수행하기 위해 여러 개의 상태 복사본을 보유할 수 있는 능력이 필요합니다. 연구진은 이러한 이점이 견고하며, 측정이 얼마나 정밀해야 하는지에 대한 가정에 의존하지 않는다는 것을 찾아냈으며, 이는 다중 복사본 양자 처리의 힘에 대한 확고하고 무조건적인 증명입니다.

이 연구는 특정 부류의 수학적 과제에 초점을 맞추고 있지만, 그 함의는 광범위합니다. 이는 양자 학습의 미래가 여러 개의 상태 복사본을 저장하고 처리할 수 있는 신뢰할 수 있는 양자 메모리를 구축하는 능력에 달려 있을 수 있음을 시사합니다. 연구진은 또한 자신들의 발견이 이 분야의 다른 최근 연구들과 보완 관계에 있으며, 함께 풍부한 계층 구조의 양자 학습 문제의 그림을 그려내고 있다고 언급했습니다. 그들은 특히 4로 나누어떨어지는 특정 숫자들의 경우 동작이 다를 수 있음을 확인하였으며, 이를 향후 조사를 위한 열린 질문으로 남겨두었습니다. 그러나 대다수의 경우, 계층 구조는 명확합니다. 즉, 한 번에 더 많은 복사본을 측정할 수 있는 능력은 지수적인 이점을 열어주며, 불가능한 문제를 해결 가능한 것으로 바꿉니다. 이 연구는 양자 정보의 복잡한 지형을 항해하기 위한 새로운 지도를 제공하며, 어디에 지름길이 있는지, 그리고 그 지름길을 이용하기 위해 어떤 자원이 필요한지를 정확히 보여줍니다.