이 논문은 양자 오류 정정 (QEC) 분야에서 **순환 하이퍼그래프 곱 코드 (Cyclic Hypergraph Product Codes, CxC codes)**를 제안하고, 이를 통해 기존 최적화 기법보다 우수한 성능을 보이는 새로운 양자 저밀도 패리티 체크 (LDPC) 코드 패밀리를 발견한 연구입니다. IonQ Inc. 와 메릴랜드 대학교의 연구진이 공동으로 수행한 이 작업은 기계 학습 (ML) 에 의존하지 않고, 코드의 전역 대칭성을 활용하여 탐색 공간을 축소하고 체계적인 검색을 수행했다는 점이 특징입니다.

다음은 논문의 상세 기술 요약입니다.

1. 문제 정의 (Problem)

• 양자 오류 정정의 필요성: 대규모 양자 컴퓨팅 실현을 위해서는 양자 오류 정정 (QEC) 이 필수적입니다.
• 기존 LDPC 코드의 한계: 표면 코드 (Surface codes) 는 구현이 용이하지만 오버헤드가 크고 인코딩 비율이 낮습니다. 반면, 하이퍼그래프 곱 (HGP) 코드는 상수 인코딩 비율과 다항식 최소 거리 (minimum distance) 를 가지지만, 실제 회로 수준 (circuit-level) 에서의 성능을 극대화하기 위한 최적화가 어렵습니다.
• 최적화의 난제: 기존 HGP 코드 최적화는 무작위 검색, 시뮬레이션 어닐링, 강화 학습 (RL) 등 기계 학습 (ML) 알고리즘을 통해 국소적 변환 (local transformations) 을 반복하는 방식이었습니다. 그러나 ML 기반 접근법은 매우 큰 탐색 공간을 효과적으로 탐색하지 못하거나, ML 이 발견하기 어려운 **전역 대칭성 (global symmetries)**을 놓칠 수 있다는 한계가 있었습니다. 또한, 코드 용량 (code capacity) 모델은 실제 회로 노이즈를 반영하지 못해 실제 성능을 보장하지 못했습니다.

2. 방법론 (Methodology)

연구진은 ML 기반의 국소적 최적화 대신, 코드 구조에 **순환 대칭성 (cyclic symmetry)**이라는 전역 제약을 부과하여 탐색 공간을 축소하고 **포괄적인 검색 (exhaustive search)**을 수행했습니다.

• CxC 코드 정의: 두 개의 순환 코드 (cyclic codes) 의 하이퍼그래프 곱으로 정의된 새로운 코드 패밀리를 제안했습니다.
  • C2 코드: 순환 코드 $C$와 그 자신 ($C \times C$) 의 곱.
  • CxR 코드: 순환 코드 $C$와 반복 코드 (repetition code) 의 곱 ($C \times R$).
• 검색 범위: 체크 가중치 (check weight) 가 5 이하이고 블록 길이가 40 이하인 모든 순환 LDPC 코드의 곱에 대해 포괄적인 검색을 수행했습니다. 이는 결과적으로 스테빌라이저 가중치가 최대 10 이고 블록 길이가 최대 3200 인 HGP 코드를 탐색하는 것을 의미합니다.
• 시뮬레이션 환경:
  • 노이즈 모델: 표준 회로 노이즈 (2-큐비트 제어-파울리 게이트, 1-큐비트 클리포드 게이트, 측정, 리셋, 유휴 큐비트 등에 대한 디폴라라이징 채널) 를 사용했습니다.
  • 디코더: BP+OSD (Belief Propagation + Ordered Statistic Decoding) 를 사용했습니다.
  • 레이아웃: 순환 시프트 (cyclic shift) 를 기반으로 한 2 행 ($2 \times n$) 배열 레이아웃을 설계하여, 트랩드 이온 (trapped ion) 아키텍처와 같은 플라이잉 큐비트 (flying qubit) 플랫폼에 적합한 상수 깊이 (constant depth) 증후군 추출 회로를 구현했습니다.

3. 주요 기여 (Key Contributions)

1. 새로운 코드 패밀리의 발견: ML 최적화 HGP 코드보다 훨씬 우수한 성능을 보이는 C2 및 CxR 코드 인스턴스를 발견했습니다.
2. 성능 비교:
   • ML 최적화 코드 대비: C2 코드는 ML 최적화 코드보다 **3 개 차수 (orders of magnitude)**까지 논리적 오류율을 낮췄습니다.
     • 예: $[[882, 50, 10]]$ C2 코드는 논리적 큐비트당 오류율이 $2 \times 10^{-8}$ 미만인 반면, 기존 ML 최적화 $[[625, 25, 8]]$ 코드는 약 $2 \times 10^{-5}$였습니다.
   • 이변수 자전거 (Bivariate Bicycle, BB) 코드 대비: BB 코드는 2 개의 평면 레이어로 구현 가능하다는 장점이 있지만, 일부 C2 코드는 BB 코드보다 더 낮은 논리적 오류율과 더 작은 큐비트 오버헤드를 동시에 달성했습니다. (단, 블록 길이는 더 큽니다.)
3. 효율적인 하드웨어 레이아웃 설계: 순환 대칭성을 활용하여 2 행 배열에서 증후군 추출을 **상수 깊이 (constant depth)**로 수행할 수 있는 레이아웃을 제안했습니다. 이는 트랩드 이온, 광자, 중성 원자 등 이동 가능한 큐비트를 가진 플랫폼에 매우 적합합니다.

4. 실험 결과 (Results)

• 논리적 오류율: 물리적 오류율 $p=10^{-3}$ 조건에서, 발견된 C2 코드는 ML 최적화 코드보다 월등히 낮은 논리적 오류율을 기록했습니다.
• 오버헤드 vs 성능:
  • C2 코드: BB 코드와 유사한 파라미터를 가지며, 특정 영역에서는 BB 코드보다 더 적은 오버헤드로 동일한 오류율을 달성하거나 더 낮은 오류율을 보입니다.
  • CxR 코드: 구조가 매우 단순하여 체크 가중치가 낮음에도 불구하고, ML 최적화 코드보다 우수한 논리적 오류율을 보였습니다. 이는 단순한 구조가 하드웨어 구현 효율성과 높은 성능을 동시에 가능하게 함을 시사합니다.
• 회로 깊이: 제안된 레이아웃 알고리즘 (Algorithm 1) 은 증후군 추출 회로의 깊이를 코드 파라미터에 비례하는 상수 수준으로 유지하며, 이는 노이즈 누적을 최소화하는 데 중요합니다.

5. 의의 및 결론 (Significance)

• ML 의존성 탈피: 기계 학습의 국소적 탐색 한계를 극복하고, 수학적 대칭성 (순환성) 을 통해 전역 최적해를 찾을 수 있음을 증명했습니다.
• 실용적 구현 가능성: 단순한 구조와 상수 깊이의 증후군 추출 회로 설계는 실제 양자 하드웨어 (특히 트랩드 이온) 에 대한 구현 가능성을 크게 높였습니다.
• 장기적 내결함성: HGP 코드의 강건함 (hook error에 대한 저항성 등) 과 본 논문에서 발견된 우수한 파라미터를 결합하면, 장기적인 내결함 양자 컴퓨팅을 위한 유력한 후보가 될 수 있음을 시사합니다.

요약하자면, 이 논문은 순환 대칭성을 기반으로 한 체계적인 검색을 통해 기존 ML 최적화 코드를 압도하는 성능의 새로운 양자 LDPC 코드 (CxC) 를 발견하고, 이를 효율적인 하드웨어 레이아웃과 결합하여 실용적인 양자 오류 정정의 새로운 방향성을 제시했습니다.