Combinatorial Matrix Functions in Ising Models and Quantum Circuit Representation

이론 물리학과 컴퓨터 과학의 조용한 구석에서, 연구자들은 가장 강력한 슈퍼컴퓨터로도 직접 해결하기에는 너무나 방대한 문제들과 씨름하곤 합니다. 이들은 사물들이 배열되는 방식, 구체적으로는 복잡한 네트워크 내에서 완벽한 짝짓기(perfect pairings)를 찾는 방법에 관한 문제입니다. 모든 지점이 정확히 하나의 다른 지점과 연결되어야 하며 남는 것이 없는 연결망을 상상해 보십시오. 단순한 네트워크에 대한 이러한 완벽한 짝짓기의 총합을 계산하는 것은 쉽지만, 네트워크가 커지고 더 복잡해짐에 따라 가능성의 수는 너무나 급격히 팽창하여 실제로 모두 세는 것이 불가능해집니다. 이러한 어려움은 단지 수학적인 호기심에 그치는 것이 아니라, 특정 양자 시스템이 어떻게 행동하는지, 그리고 왜 그것들이 고전적 기계에서 시뮬레이션하기 어려운지를 이해하는 핵심에 자리 잡고 있습니다. 수십 년 동안 과학자들은 빛이 광학 네트워크를 통과할 때 발생하는 특정 유형의 이러한 계산 문제들을 알고 있었지만, 이를 설명하기 위한 수학적 도구는 매우 특정한, 고도로 대칭적인 형태의 네트워크로 제한되어 있었습니다.

한 연구팀은 이제 이러한 도구의 범위를 확장하여, 이러한 복잡한 계산 문제들을 또 다른 종류의 물리적 시스템인 상호작용하는 자기 스핀 모델, 즉 이징 모델(Ising model)을 사용하여 설명하는 방법을 보여주었습니다. 이 프레임워크에서 연구진은 표준적인 대칭 네트워크뿐만 아니라, 한 점이 자기 자신과 연결되는 자기 연결(self-connections)을 포함하는 더 일반적인 구조까지 인코딩하는 방법을 보여주었습니다. 자기 연결을 표현하기 위해 추가적인 자기 단위(magnetic units)를 사용하는 영리한 방법을 도입함으로써, 그들은 시스템이 네트워크의 구조에 따라 세 가지 뚜렷한 유형의 계산 함수를 자연스럽게 생성함을 보여주었습니다. 그들이 '루프-해프니언(loop-hafnian)'이라 부르는 가장 일반적인 형태는 다른 두 가지 유형을 특수 사례로서 포괄합니다. 연구팀은 문제의 크기에 따라 합리적으로 증가하는 수의 연산을 사용하여 이 전체 과정을 시뮬레이션할 수 있는 양자 회로를 제안하였으며, 이는 이 어려운 계산들을 탐구하기 위한 새로운 경로를 제시합니다.

그 여정은 표준적인 자기 모델이 보통 스핀이 이웃과 어떻게 상호작용하는지를 설명하는데, 이것이 전체적인 계산 문제의 다양성을 포착하기에는 너무 경직되어 있다는 깨달음에서 시작되었습니다. 이전 연구들은 만약 네트워크가 완벽하게 균형 잡힌 이분 그래프(bipartite graph)—즉, 점들이 두 그룹으로 나뉘어 연결이 그룹 사이에서만 일어나고 그룹 내부에서는 일어나지 않는 구조—라면, 시스템이 퍼머넌트(permanent)라고 불리는 특정 계산 함수를 생성한다는 것을 보여주었습니다. 만약 네트워크가 자기 연결이 없는 단순한 그래프라면, 시스템은 해프니언(hafnian)이라는 또 다른 함수를 생성했습니다. 그러나 실제 세계의 네트워크와 더 복잡한 이론적 모델들은 종종 점들이 자기 자신과 연결되는 특징, 즉 자기 루프를 포함합니다. 기존의 모델들은 이러한 특징을 처리할 수 없었습니다. 연구진은 수학적 구조를 깨뜨리지 않으면서 자기 연결 또는 '루프'를 포함하도록 이징 모델을 수정함으로써 이 문제를 해결하고자 했습니다.

이를 달성하기 위해, 연구팀은 자기 연결을 인코딩하는 새로운 방법을 도입했습니다. 단일 자기 스핀이 하나의 자기 루프를 나타내도록 강제하는 대신, 연구진은 이러한 연결을 전문적으로 처리하기 위해 시스템에 추가적인 스핀을 더했습니다. 네트워크의 한 점이 자기 루프를 가질 때, 연구진은 그 점에 파트너 스핀을 할당했습니다. 원래의 스핀과 그 파트너 사이의 상호작용은 자기 루프의 효과를 모방하도록 설계되었습니다. 이를 통해 시스템은 자연스럽게 가장 일반적인 계산 함수인 루프-해프니언을 생성할 수 있게 되었습니다. 루프-해프니언은 점들이 자기 자신과 짝을 이루는 경우를 포함하여 가능한 모든 완벽한 짝짓기를 합산합니다. 이 접근 방식의 묘미는 유연성에 있습니다. 네트워크의 자기 루프 수가 감소함에 따라 추가적인 스핀의 중요성이 줄어들며, 시스템은 더 단순한 해프니언 및 퍼머넌트 함수를 생성하는 상태로 매끄럽게 전환됩니다. 마치 연구진이 입력값만 바꾸면 세 가지 서로 다른 유형의 퍼즐을 자동으로 재구성하여 풀 수 있는 단일한 기계를 만든 것과 같습니다.

연구진은 다음으로 이러한 시뮬레이션을 양자 컴퓨터에서 실제로 실행하는 구체적인 문제로 눈을 돌렸습니다. 그들은 자기 모델을 시뮬레이션하는 데 필요한 상호작용을 양자 비트, 즉 큐비트 쌍 사이의 단순한 연산 시퀀스로 분해할 수 있음을 보여주었습니다. 그들의 수정된 모델에 있는 모든 상호작용는 가환(commute)하기 때문에—즉, 적용되는 순서가 중요하지 않기 때문에—시뮬레이션은 일반적으로 이러한 계산을 괴롭히는 작은 오차의 누적 없이 수행될 수 있습니다. 연구진은 특정 크기의 네트워크에 대해 필요한 연산의 수가 점의 수의 제곱에 비례하여 증가한다는 것을 입증하였는데, 이는 양자 컴퓨팅의 세계에서 효율적인 것으로 간주됩니다. 이는 양자 컴퓨터가 이론적으로 이러한 자기 시스템의 거동을 시뮬레이션하고 복잡한 계산 숫자를 직접 추출할 수 있음을 의미합니다.

중요한 과제가 하나 남아 있었습니다. 바로 결과를 읽어내는 방법입니다. 자기 루프가 없는 더 단순한 경우, 답은 단순히 자기 스핀의 상태를 측정함으로써 찾을 수 있습니다. 그러나 자기 루프가 있는 일반적인 경우, 시스템은 동시에 존재하는 많은 상태들의 중첩(superposition) 속에 존재하며, 직접적인 측정은 특정 계산 숫자를 드러내지 못합니다. 연구팀은 이 중첩을 분류할 수 있는 측정 회로를 설계함으로써 이 문제를 해결했습니다. 그들은 특정 순서의 연산을 수행한 후 특정 순서로 스핀을 측정함으로써, 복잡한 중첩을 하나의 명확한 결과로 매핑할 수 있음을 보여주었습니다. 이 과정은 네트워크의 모든 부분 집합에 대한 루프-해프니언을 동시에 측정할 수 있음을 보여주었으며, 결과적으로 계산 문제에 대한 답을 한 번에 읽어낼 수 있게 해주었습니다.

이 연구의 함의는 단순히 숫자를 계산하는 새로운 방법을 찾는 것을 넘어섭니다. 연구진은 자신들의 자기적 접근 방식과 다른 양자 실험에 사용되는 광학 네트워크 사이의 근본적인 차이점을 강조했습니다. 광학 시스템에서 특정 결과의 확률은 계산 숫자의 제곱에 직접 비례하므로 결과 분포로부터 샘플링하기가 쉽습니다. 반면, 그들의 자기 모델에서의 관계는 시스템이 진화하는 시간과 관찰되는 확률 사이의 절충안을 포함하는 조금 더 복잡한 관계를 가집니다. 이로 인해 광학 네트워크 기술을 직접 적용하는 것은 어렵지만, 문제의 근본적인 난이도는 여전히 유지됩니다. 연구진은 이러한 자기 시스템을 시뮬레이션하는 것의 어려움이 광학 시스템의 어려움만큼이나 클 것이라고 주장하며, 이것이 양자 우위(quantum advantage)를 입증하기 위한 새로운 플랫폼이 될 수 있음을 시사했습니다.

복잡한 유형의 계산 문제들 사이의 간극을 메우고, 이들이 모두 단일하고 유연한 자기 모델 내에서 표현될 수 있음을 보여줌으로써, 이 연구는 계산의 한계를 탐구하는 새로운 길을 열어주었습니다. 양자 컴퓨터에서 관리 가능한 수의 연산으로 이러한 시스템을 시뮬레이션할 수 있다는 능력은, 우리가 이전에 도달할 수 없다고 생각되었던 문제들을 해결하는 데 더 가까워지고 있음을 시사합니다. 연구진은 복잡한 네트워크 구조를 양자 하드웨어에 인코딩하는 명확한 청사진을 제공하였으며, 이는 물리적 세계와 추상적인 수학의 영역을 정의하는 복잡한 연결의 그물을 이해하기 위한 강력한 도구를 제공합니다.