Quantum Data Representation via Circuit Partitioning and Reintegration

양자 컴퓨터를 유용하게 만드는 여정은 다음과 같은 고질적인 물리적 현실에 직면해 있다: 우리가 현재 보유한 기계들은 매우 취약하고 제한적이라는 점이다. 이 기계들은 정보를 담을 수 있는 큐비트라고 불리는 적은 수의 입자들을 포함하고 있지만, 이 입자들은 서로 물리적으로 가까이 있지 않으면 쉽게 소통할 수 없다. 계산 과정에서 멀리 떨어진 두 큐비트가 상호작용해야 할 때, 기계는 그 간극을 메우기 위해 일련의 추가 단계를 수행해야 하며, 각 단계는 높은 오류 발생 위험을 동반한다. 이 문제는 특히 이미지의 픽셀과 같은 고전적 정보를 처리하기 위해 양자 상태로 로드하는 '양자 데이터 인코딩'이라 불리는 특정 유형의 작업에서 두드러지게 나타난다. 이러한 작업은 종종 기계의 서로 다른 많은 부분들 사이에 연결을 필요로 하며, 이는 현재의 하드웨어로는 무너지지 않고는 감당할 수 없는 상호작용의 망을 만들어낸다.

이를 해결하기 위해 연구자들은 '회로 커팅(circuit cutting)'이라 불리는 전략을 개발했다. 크고 복잡한 회로를 하나의 엉킨 매듭이라고 상상해 보자. 만약 매듭이 너무 커서 한 번에 풀 수 없다면, 몇 개의 특정 가닥을 자르고 더 작고 단순한 매듭들을 따로 해결한 다음, 수학적 레시피를 사용하여 그 답들을 다시 결합할 수 있을 것이다. 이것이 바로 회로 커팅이 하는 일이다. 즉, 거대한 양자 회로를 오늘날의 불완전한 기계에서도 실행할 수 있는 작고 관리 가능한 조각들로 나누는 것이다. 이 조각들은 실행된 후 강력한 고전 컴퓨터를 사용하여 다시 하나로 꿰매진다. 하지만 이 '꿰매는 과정'은 비용이 많이 든다. 연결을 자를 때마다 신뢰할 수 있는 답을 얻기 위해 컴퓨터가 수집해야 하는 데이터의 양은 급격히 증가한다. 만약 너무 많은 연결을 자르면, 퍼즐을 재조립하는 비용이 너무 높아져 목적 자체를 달성하기 어려워진다. 따라서 과제는 하드웨어에 조각들이 맞도록 충분히 자르되, 재구성이 불가능할 정도로 너무 많이 자르지는 않는 완벽한 균형점을 찾는 것이다.

연구팀은 이 섬세한 절충안을 탐색하기 위해 'shardQ'라는 새로운 방법을 도입했다. 그들의 연구는 데이터를 로드하는 데 사용되는 특정한 구조적 유형의 양자 회로에 초점을 맞추고 있는데, 이 회로는 자연스럽게 두 그룹의 큐비트로 나뉜다: 데이터 위치를 가리키는 '주소(address) 그룹'과 값을 보유하는 '데이터(data) 그룹'이다. 연구진은 이 두 그룹 사이의 연결이 모두 동일하지 않다는 점을 깨달았다. 어떤 연결은 짧고 국부적인 반면, 어떤 연결은 기계 전체에 걸쳐 길게 뻗어 있어 실행 시 많은 오류 발생 가능성이 있는 단계를 거쳐야 한다. 연구팀은 느리고 전수 조사를 수행하는 방식 대신, 빠르고 규칙 기반인 접근 방식을 고안했다. 그들은 단순히 칩 위에서 가장 긴 물리적 거리를 가로지르는 연결들을 식별하여 그것들을 잘라냈다. 가장 까다로운 장거리 상호작용을 제거함으로써, 그들은 기계가 훨씬 다루기 쉬운 작은 회로 파편들을 남겼다.

연구팀은 IBM의 실제 양자 하드웨어, 구체적으로 100개 이상의 큐비트를 가진 프로세서를 사용하여 이 접근 방식을 테스트했다. 그들은 자신들의 방법과, 회로를 자르지 않고 그대로 실행하는 표준 방식, 그리고 복잡하고 시간이 오래 걸리는 탐색에 의존하는 다른 커팅 방법들을 비교했다. 결과에 따르면, 가장 먼 두 개의 연결만을 자름으로써 그들의 방법은 전체 회로를 그대로 실행했을 때보다 현저히 더 정확한 결과를 만들어냈다. 자르지 않은 버전은 장거리 라우팅으로 인한 오류로 인해 어려움을 겪었지만, 커팅된 버전은 데이터를 재조립하는 비용에도 불구하고 더 선명한 그림을 전달했다. 128픽셀 이미지를 이용한 특정 테스트에서, 이 새로운 방법은 0.90의 재구성 품질 점수를 달記한 반면, 자르지 않은 버전은 0.79를 기록했다. 이러한 개선은 이러한 유형의 데이터 로딩 작업에서 가장 비용이 많이 드는 연결을 제거하는 것이 매우 효과적인 전략임을 시사한다.

하드웨어 테스트 외에도, 연구진은 양자 컴퓨터가 더 커짐에 따라 이 방법이 어떻게 확장될 수 있는지 탐구했다. 그들은 접근 방식이 여전히 실용적인지 확인하기 위해 최대 150개의 큐비트를 가진 회로를 시뮬레이션했다. 그들은 주소 큐비트의 수가 특정 범위 내에 있다면, 조각들을 재조립하는 수학적 복잡성이 관리 가능한 수준으로 유지된다는 것을 발견했다. 이는 이러한 데이터 로딩 회로의 구조 덕분에, 가장 필수적인 연결만을 추적하는 기술을 사용하여 고전 컴퓨터에서 작은 조각들을 효율적으로 시뮬레이션할 수 있기 때문이다. 이 연구는 이러한 종류의 문제에 대해서는 단순한 거리 기반의 커팅 규칙이 복잡한 탐색 기반의 방법보다 훨씬 우월하다는 것을 확인시켜 준다. 탐색 기반 방법들은 종종 해결책을 찾는 데 막히거나 너무 많은 시간이 걸리기 때문이다. 이 연구는 모든 양자 컴퓨팅 문제를 해결한다고 주장하는 것이 아니라, 분야의 가장 근본적인 작업 중 하나인 '노이즈로 인해 데이터를 잃지 않고 기계에 데이터를 입력하는 법'에 대한 명확하고 실용적인 경로를 제시한다.

이 방법의 성공은 오류가 어디에서 발생하는지에 대한 세심한 이해에 달려 있다. 현재 세대의 양자 칩에서 가장 중요한 오류는 기계가 정보를 긴 거리에 걸쳐 이동하려고 할 때 발생한다. 이러한 장거리 연결을 식별하고 제거함으로써, 연구진은 가장 심각한 오류의 근원을 효과적으로 제거했다. 이렇게 하는 대가는 고전 컴퓨터가 사라진 연결이 수행했을 역할을 추측하기 위해 추가적인 작업을 수행해야 한다는 것이다. 그러나 연구팀은 적은 수의 커팅을 수행할 경우, 하드웨어 신뢰성의 이득이 추가 계산 비용보다 크다는 것을 입증했다. 이 균형이 모든 가능한 회로에 대해 보장되는 것은 아니지만, 그들이 연구한 구조화된 데이터 인코딩 회로의 경우 수학적 계산이 유리하게 작용한다.

연구진은 또한 자신들의 빠른 거리 기반 규칙을 연결을 자르는 데 사용하는 다른 방식들과 비교했다. 그들은 회로의 논리적 구조를 살펴보는 방법 및 무작위로 연결을 선택하는 방법들을 테스트했다. 시뮬레이션에서, 그들의 거리 기반 규칙은 오류가 발생하기 쉬운 단계의 수를 일관되게 줄여주었다. 무작위 선택도 때때로 작동하긴 했지만 신뢰할 수 없었으며, 다른 방법들은 적절한 해결책을 찾는 데 시간이 너무 오래 걸리거나 실패하는 경우가 많았다. shardQ 방식의 강점은 그 단순함에 있다. 이 방식은 어떤 커팅을 할지 알기 위해 어려운 퍼즐을 풀 필요가 없다. 그저 칩의 물리적 지도를 보고 가장 긴 다리를 끊어버릴 뿐이다.

이 작업은 양자 컴퓨팅 분야에 더 넓은 교훈을 준다: 때로는 가장 복잡한 솔루션이 최선의 솔루션이 아닐 수도 있다는 것이다. 기술이 성숙해짐에 따라, 유용한 알고리즘을 실행하는 능력은 하드웨어의 한계를 우회하는 스마트한 방법을 찾는 데 달려 있을 것이다. 회로를 단순히 추상적인 명령의 순서가 아니라 연결의 지도를 가진 물리적 객체로 취급함으로써, 연구진은 기계가 더 적은 것으로 더 많은 일을 할 수 있는 방법을 찾아냈다. 그 결과는 하이브리드 시스템, 즉 양자 프로세서와 강력한 고전 컴퓨터를 결합하는 방식이 오늘날의 노이즈가 많은 기계의 한계를 어떻게 극복할 수 있는지에 대한 구체적인 사례를 제공한다. 이는 적절한 전략이 있다면, 우리가 완전한 잠재력에 도달하기 전이라도 이러한 취약한 장치들로부터 유용한 정보를 추출할 수 있음을 보여준다.

연구는 이 접근 방식이 이론적인 아이디어에 그치지 않고 실제 하드웨어에서 작동하는 실용적인 도구임을 검증하며 결론을 맺는다. IBM의 Heron 프로세서를 이용한 실험을 통해, 이 방법이 오류를 줄이고 출력의 품질을 높인다는 점을 확인했다. 비록 이 방법이 현재 특정 유형의 회로와 하드웨어 레이아웃에 맞춰져 있지만, 물리적 거리에 기반하여 커팅한다는 근본 원리는 다른 플랫폼에도 적용될 수 있다. 이 연구는 모든 미래의 기계를 위한 양자 오류 수정 문제를 해결한다고 주장하는 것이 아니라, 현재 우리가 가진 기계들을 위한 신뢰할 수 있고 즉각적인 개선책을 제시하는 것이다. 이는 계산의 어떤 부분을 분리할지 신중하게 선택함으로써 전체 과정을 더 견고하고 정확하게 만들 수 있음을 보여준다.

결국, 이 연구의 가치는 그 명확성과 적용 가능성에 있다. 그것은 어려운 문제에 대해 명확한 규칙을 제공하고 그 규칙이 실제로 작동함을 증명한다. 유용한 양자 애플리케이션을 구축하기 위해 노력하는 과학자와 엔지니어들에게, 이 연구는 그들의 도구 상자에 들어갈 새로운 도구를 제공한다. 이는 우리가 완벽하고 오류가 없는 기계를 기다릴 필요 없이 실질적인 문제를 해결하기 시작할 수 있음을 시사한다. 현재의 기기들이 가진 물리적 제약을 이해하고 그 한계를 존중하도록 계산을 설계함으로써, 우리는 지금 당장 가능한 것의 경계를 넓힐 수 있다. 앞으로의 길은 단순히 더 큰 기계를 만드는 것이 아니라, 우리가 가진 기계를 더 스마트하게 사용하는 방법을 만드는 데 있다.