Pilot-Wave Simulator: Exact Classical Sampling from Ideal and Noisy Quantum Circuits up to Hundreds of Qubits

당신이 구름과 바람 대신 우주의 가장 작은 구성 요소인 양자 입자를 가지고 날씨를 예측하려고 한다고 상상해 보십시오. 양자 물리학의 세계에서 이 입자들은 단순히 가만히 머물러 있는 것이 아니라, 마치 당신이 잡기 전까지는 앞면이자 동시에 뒷면인 회전하는 동전처럼, 여러 상태가 중첩된 상태로 존재합니다. 이 입자들이 어떻게 행동하는지 이해하기 위해 과학자들은 양자 회로를 사용하는데, 이는 회전하는 동전들을 조작하는 논리 게이트들의 복잡한 미로와 같습니다. 문제는 큐비트(qubit)라는 '동전'을 이 미로에 더 많이 추가할수록 가능한 결과의 수가 폭발적으로 늘어난다는 점입니다. 이는 마치 거대한 폭포에서 물방울이 갈 수 있는 모든 경로를 추적하려는 것과 같습니다. 한 번에 하나의 경로만을 따라가는 데 능숙한 전통적인 컴퓨터는 중간 규모의 양자 기계조차 해결하기 전에 메모리가 부족해져서 압도당하고 맙니다. 이는 우리가 실제 양자 컴퓨터를 만들기 전에 양자 알고리즘을 테스트하고 설계해야 하기 때문에 매우 큰 장애물입니다. 실제 양자 컴퓨터는 여전히 희귀하고 비싸기 때문입니다.

여기에 연구팀이 개발한 새로운 도구인 '파일럿 웨이브 시뮬레이터(Pilot-Wave Simulator)'가 등장합니다. 이 도구는 이 혼란스러운 폭포 속에서 영리한 가이드 역할을 합니다. 모든 가능한 경로를 한꺼번에 매핑하는 대신(이는 거대 시스템에서는 불가능합니다), 이 시뮬레이터는 '파일럿 웨이브(pilot-wave)' 이론이라는 오래된 물리 개념에서 영감을 얻은 기술을 사용합니다. 서퍼가 파도를 타고 있다고 상상해 보십시오. 서퍼(고전적 상태)는 특정 경로를 따라 이동하지만, 그 움직임은 앞서가는 파도(양자 상태)의 모양에 의해 유도됩니다. 이 새로운 알고리즘은 클래식 컴퓨터가 전체 바다를 한꺼번에 계산하는 대신, 로컬 단서들을 바탕으로 단계별로 위치를 업데이트하며 양자 회로를 '서핑'하며 통과하게 해줍니다. 이를 통해 연구진은 오늘날 우리가 보유한 실제 양자 장치들처럼 노이즈가 있고 불완전한 것들을 포함하여, 수백 개의 큐비트를 가진 양자 회로부터 정확하고 고품질의 샘플을 생성할 수 있습니다.

서핑 가이드: 작동 원리

양자 회로를 규칙이 매 턴마다 바뀌는 거대한 다층 구조의 '뱀 주사위 놀이(Chutes and Ladders)' 게임이라고 생각해 보십시오. 보통 플레이어가 어디에 도착할지 알기 위해서는 플레이어가 취할 수 있는 모든 가능한 경로의 확률을 계산해야 합니다. 작은 게임이라면 컴퓨터가 이를 쉽게 수행할 수 있습니다. 하지만 476명의 플레이어(큐비트)가 있는 게임이라면, 경로의 수가 너무 방대하여 이를 모두 계산하는 데 우주의 나이보다 더 많은 시간이 걸릴 것입니다.

파일럿 웨이브 시뮬레이터는 이 게임의 판도를 바꿉니다. 전체 판을 계산하는 대신, 한 번에 한 명의 플레이어에게 집중합니다. 시뮬레이터는 시작 지점에 있는 플레이어와 함께 시작하여 다음과 같이 묻습니다. "내가 여기로 이동한다면, 내가 이 특정 지점에 도달할 확률은 얼마인가?" 이 방식은 '텐서 네트워크(tensor network)'라고 불리는 수학적 지름길을 사용하여 다음 움직임을 결정하는 데 필요한 몇 가지 필수 확률만을 살짝 엿봅니다. 그런 다음, 그 확률에 기반하여 무작위 선택을 하고, 플레이어의 위치를 업데이트한 뒤, 회로의 다음 단계로 이동합니다. 이는 헬리콥터에서 전체 미로를 내려다보는 대신, 바로 다음 몇 개의 코너만을 보고 미로를 탐색하는 것과 같습니다.

연구진은 이를 '마르코프 과정(Markov process)'이라고 부르는데, 이는 다음 단계가 오직 현재 위치와 로컬 규칙에만 의존한다는 것을 의미하는 세련된 표현입니다. 이 단계별 서핑과 텐서 네트워크를 통한 '엿보기'를 결합함으로써, 그들은 이전에 정확하게 다루는 것이 불가능했던 양자 회로들을 시뮬레이션할 수 있습니다.

큰 시험: QAOA와 "의사 볼츠만(Pseudo-Boltzmann)"의 미스터리

이 시뮬레이터의 성능을 증명하기 위해, 연구팀은 QAOA(양자 근사 최적화 알고리즘)라고 불리는 특정 유형의 양자 알고리즘에 이를 적용했습니다. QAOA는 어려운 퍼즐을 풀기 위해(예를 들어 자석들이 가장 효율적인 방향을 향하도록 배치하는 문제) 울퉁불퉁한 지형(바닥 상태, ground state)에서 가장 낮은 지점을 찾으려고 노력하는 양자 로봇이라고 생각할 수 있습니다.

연구진은 24개에서 최대 4ست476개의 큐비트에 이르는 그리드 상에서 이 회로들을 시뮬레이션했습니다. 그들은 흥미로운 사실을 발견했습니다. 양자 로봇은 단순히 무작위 지점을 선택하는 것이 아니라, '의사 볼츠만(pseudo-Boltzmann)' 분포를 따르는 것처럼 보였습니다. 쉽게 말해, 로봇은 저에너지(좋은) 지점에 착륙할 가능성이 더 높았으며, 회로가 깊어질수록(논리 계층이 많아질수록) 시스템이 냉각되는 것처럼 행동하며 최적의 솔루션을 더욱 선호하게 되었습니다. 그들은 회로가 깊어짐에 따라 '유효 온도'가 낮아지며, 로봇이 골짜기의 바닥을 더 잘 찾게 된다는 것을 확인했습니다.

하지만 그들은 벽에 부딪히기도 했습니다. 이 강력한 시뮬레이터에도 불구하고, 매우 큰 문제의 경우 로봇이 '절대적인' 최적의 솔루션을 찾을 확률이 기하급수적으로 떨어진다는 것을 발견했습니다. 이는 마치 해변에서 특정 모래알 하나를 찾는 것과 같습니다. 해변이 커질수록, 설령 더 좋은 삽을 가지고 있더라도 당신의 확률은 극도로 작아집니다. 이는 얕은 깊이의 QAOA 회로가 흥미롭기는 하지만, 그 자체만으로는 거대한 최적화 문제를 해결하는 마법의 해결책이 아닐 수도 있음을 시사합니다.

노이즈 요인: 현실성 대 완벽함

실제 양자 컴퓨터는 지저-분합니다. 이들은 라디오의 잡음이나 서퍼를 경로에서 벗어나게 만드는 돌풍과 같은 '노이즈'로 고통받습니다. 연구진은 파일럿 웨이브 시뮬레이터가 이러한 불완전성을 어떻게 처리하는지 보기 위해 현실적인 노이즈 모델(감쇄 및 진폭 댐핑 등)을 시뮬레이션에 추가했습니다.

결과는 명확했습니다. 노이즈는 상황을 악화시킵니다. 노이즈는 '유효 온도'를 높이며, 이는 양자 로봇이 주의가 산만해져 더 높은 에너지(나쁜) 지점에 더 자주 착륙하게 됨을 의미합니다. 실제로 노이즈가 있는 환경을 시뮬레이션했을 때, 양자 알고리즘은 헤이스팅스(Hastings)라는 다른 과학자가 제안한 단순한 클래식 '로컬 업데이트' 규칙보다 성능이 떨어졌습니다. 이러한 노이지 시뮬레이션에서 클래식 알고리즘이 동일한 깊이에서 양자 알고리즘보다 더 나은 성과를 냈습니다. 이것이 양자 컴퓨팅이 끝났다는 뜻은 아니지만, 하드웨어가 불완전할 때는 단순한 클래식 트릭이 얕은 양자 회로만큼이나 효과적일 수 있음을 시사합니다.

규모: 얼마나 커질 수 있는가?

이 연구의 가장 인상적인 부분은 그 규모입니다. 연구팀은 깊이 1에서 최대 476개의 큐비트, 깊이 3에서 최대 49개의 큐비트에 대해 정확한 샘플을 생성하는 데 성공했습니다. 이를 비교해 보자면, 이전의 방법들은 약 42개의 큐비트까지만 완전한 시뮬레이션이 가능했거나, 약간 더 큰 시스템의 단일 숫자를 추정하기 위해 거대한 슈퍼컴퓨터를 필요로 했습니다.

그들은 이 실험을 수백 개의 CPU 코어를 갖춘 표준 서버에서 실행하여, 이 방법이 실용적이며 모든 테스트에 슈퍼컴퓨터를 요구하지 않는다는 것을 보여주었습니다. 또한 그리드와 육각형 같은 다양한 큐비트 연결 형태(토폴로지)를 테스트했는데, 시뮬레이터는 서퍼가 혼란스러운 폭풍보다 깨끗하고 조직된 파도를 선호하는 것처럼, 희소하고 규칙적인 형태에서 가장 잘 작동한다는 것을 발견했습니다.

결론

파일лот 웨이브 시뮬레이터는 과학자들이 계산의 늪에 빠지지 않고 거대한 양자 회로를 '서핑'할 수 있게 해주는 강력한 새로운 도구입니다. 이 도구는 수백 개의 큐비트를 가진 회로로부터, 심지어 노이즈가 있는 경우에도 정확한 샘플을 생성해 줍니다. 이 도구는 양자 회로가 흥미로운 저에너지 분포를 생성할 수 있음을 확인시켜 주는 동시에, 매우 큰 문제의 경우 완벽한 솔루션을 찾을 확률이 빠르게 감소하며, 노이즈가 있는 환경에서는 단순한 클래식 알고리즘이 얕은 양자 알고리즘에 대해 여전히 경쟁력을 가질 수 있음을 시사합니다. 이 도구는 연구자들에게 실제 양자 장치가 구축되기 전에 그 동작을 벤치마킹하고 이해할 수 있는 방법을 제공하며, 이 기계들이 실제로 할 수 있는 일과 과장된 홍보를 구분하는 데 도움을 줍니다.