Towards Chemically Accurate and Scalable Quantum Simulations on IQM Quantum Hardware: A Quantum-HPC Hybrid Approach

본 논문은 IQM 의 24 큐비트 초전도 프로세서를 활용하여 샘플 기반 대각화 (SQD) 와 DMET 임베딩 기법을 결합한 하이브리드 접근법으로, 화학적 정확도를 달성하는 분자 시뮬레이션의 확장성과 실용성을 입증했습니다.

핵심

이 논문은 양자 컴퓨터를 이용해 분자의 행동을 정확하고 빠르게 시뮬레이션하는 새로운 방법을 소개한 연구입니다. 마치 거대한 퍼즐을 풀거나, 복잡한 지도를 그리는 것과 같은 일을 양자 컴퓨터가 어떻게 해냈는지 설명해 드리겠습니다.

1. 문제: 왜 양자 컴퓨터가 필요한가요?

분자 속의 전자들은 서로 복잡하게 얽혀 움직입니다. 이를 정확하게 계산하려면 고전 컴퓨터 (우리가 쓰는 일반 PC) 는 너무 많은 정보를 처리해야 해서, 분자가 조금만 커져도 계산이 불가능해집니다. 이는 **"우주 전체의 모래알 개수보다 더 많은 경우의 수를 세려고 하는 것"**과 비슷합니다.

2. 해결책: '샘플링'이라는 새로운 접근법

연구팀은 기존의 방식 (모든 경우를 다 계산하려는 시도) 대신, **'샘플링 (Sample-based)'**이라는 clever 한 방법을 썼습니다.

• 비유: 거대한 도서관에서 책 찾기
  • 기존 방식 (VQE 등): 도서관에 있는 모든 책 (모든 전자 상태) 을 하나씩 읽어보며 가장 좋은 책을 찾으려 합니다. 하지만 도서관이 너무 커서 시간이 영원히 걸립니다.
  • 이 연구의 방식 (SQD): 양자 컴퓨터를 **'재능 있는 사서'**처럼 사용합니다. 사서에게 "가장 중요한 책 100 권만 골라줘"라고 요청합니다. 양자 컴퓨터는 수많은 책 중에서 가장 확률이 높은 (중요한) 책 100 권만 골라냅니다.
  • 그다음, **고전 컴퓨터 (슈퍼컴퓨터)**가 그 100 권의 책만 가지고 정확한 답을 계산합니다.
  • 핵심: 모든 책을 다 볼 필요 없이, '가장 중요한 부분'만 양자 컴퓨터가 골라주면, 고전 컴퓨터가 그걸로 정확한 답을 낼 수 있다는 것입니다.

3. 실험: IQM 양자 컴퓨터에서의 성과

이 연구는 핀란드의 IQM Sirius라는 24 개 큐비트 (양자 비트) 를 가진 양자 컴퓨터를 사용했습니다.

A. 작은 분자 테스트 (H2, LiH, 물 등)

• 두 가지 도구 비교: 연구팀은 양자 컴퓨터에 명령을 내리는 두 가지 '언어 (Ansatz)'를 비교했습니다.
  1. LUCJ: 짧고 효율적인 언어. (빠르고 정확함)
  2. LCNot-UCCSD: 더 정교하지만 긴 언어. (오래 걸리고 노이즈에 취약함)
• 결과: 짧은 언어 (LUCJ) 를 썼을 때, 작은 분자들 (수소, 리튬, 베릴륨 등) 의 에너지를 화학적으로 완벽한 정확도로 계산해냈습니다. 마치 분자의 '무게'를 저울로 재듯 정확했습니다.

B. 지도 그리기 (Potential Energy Surface, PES)

분자의 모양 (결합 길이, 각도) 이 변할 때 에너지가 어떻게 변하는지 지도를 그리는 작업입니다.

• 1 차원 지도: 분자 길이를 늘리면서 에너지 변화를 그렸습니다. (예: 수소 분자를 잡아당길 때)
• 2 차원 지도 (최초 기록!): **물 분자 (H2O)**의 경우, '결합 길이'와 '결합 각도' 두 가지 변수를 동시에 바꿔가며 **32x32 격자 (1,024 개의 점)**로 된 2 차원 지도를 양자 컴퓨터로 직접 그렸습니다.
  • 이는 마치 지형지물이 복잡한 산의 3D 지도를 양자 컴퓨터로 처음 그리는 것과 같습니다.
  • 결과는 고전적인 '완벽한 계산 (FCI)'과 거의一模一样 (일치) 했습니다.

C. 큰 분자 확장 (DMET 기술)

작은 분자만으로는 부족합니다. 약이나 복잡한 화학 물질을 다루려면 더 큰 분자가 필요합니다.

• 비유: 거대한 도시를 구획으로 나누기
  • 거대한 분자 (아만타딘, 항바이러스 약물) 를 작은 조각 (분자 단편) 으로 잘라냅니다.
  • 양자 컴퓨터는 이 작은 조각들만 계산하고, 고전 컴퓨터가 그 결과들을 이어붙여 전체 그림을 완성합니다.
  • 이를 **DMET (밀도 행렬 임베딩)**라고 합니다.
• 결과: 16 개의 큐비트만 사용해도, 100 개 이상의 원자로 이루어진 복잡한 약물 분자의 에너지를 약 100 만분의 1 에르 (micro-Hartree) 오차로 계산해냈습니다. 이는 화학적으로 '완벽한' 수준입니다.

4. 요약 및 의의

이 연구는 다음과 같은 중요한 메시지를 전달합니다:

1. 양자 컴퓨터는 이제 실용적입니다: 아직 완벽한 양자 컴퓨터는 아니지만, '잡음 (노이즈)'이 있는 상태에서도 clever 한 알고리즘 (샘플링) 을 쓰면 화학적으로 정확한 답을 낼 수 있습니다.
2. 하이브리드 방식의 승리: 양자 컴퓨터가 '핵심 부분'을 골라주고, 고전 컴퓨터가 '정밀 계산'을 하는 팀워크가 가장 효과적입니다.
3. 미래의 가능성: 이 기술이 발전하면, 새로운 약물 개발, 배터리 소재, 탄소 포집 촉매 등을 설계할 때 실험실 시뮬레이션 없이도 컴퓨터로 정확한 예측이 가능해질 것입니다.

한 줄 요약:

"이 연구는 양자 컴퓨터를 '핵심 정보만 골라주는 사서'로 활용하여, 고전 컴퓨터와 협력해 복잡한 분자의 에너지를 화학적으로 완벽한 정확도로 계산해냈으며, 이는 약물 개발과 신소재 발견의 새로운 시대를 열었습니다."

기술 요약

이 논문은 IQM 의 24 큐비트 초전도 양자 프로세서 (Sirius) 를 활용하여 화학적으로 정확한 분자 시뮬레이션을 수행한 가장 포괄적인 실험적 연구 중 하나를 보고합니다. 연구팀은 샘플 기반 양자 대각화 (Sample-based Quantum Diagonalization, SQD) 알고리즘을 사용하여 다양한 분자 시스템의 바닥 상태 에너지를 계산하고, 이를 밀도 행렬 임베딩 이론 (DMET) 과 결합하여 더 큰 분자 시스템으로 확장하는 하이브리드 양자 - 고성능 컴퓨팅 (HPC) 접근법을 제시했습니다.

주요 내용은 다음과 같습니다.

1. 연구 배경 및 문제 제기

• 차원의 저주 (Curse of Dimensionality): 전자 구조 문제를 정확하게 풀기 위한 완전한 구성 상호작용 (FCI) 방법은 전자와 오비탈 수가 증가함에 따라 계산 공간이 기하급수적으로 커져 고전 컴퓨터로는 처리가 불가능합니다.
• NISQ 시대의 한계: 현재의 잡음 중간 규모 양자 (NISQ) 장치에서는 변분 양자 고유값 솔버 (VQE) 와 같은 기존 알고리즘이 최적화 과정에서의 '바렌 플래토 (barren plateaus)' 문제와 높은 측정 오버헤드, 그리고 잡음으로 인한 변분 하한 위반 등의 한계에 직면해 있습니다.
• 대안 필요: 이러한 한계를 극복하기 위해 변분 최적화 루프를 제거하고 양자 장치를 샘플러로만 활용하여 고전 컴퓨터에서 대각화를 수행하는 새로운 패러다임이 요구되었습니다.

2. 방법론 (Methodology)

이 연구는 SQD (Sample-based Quantum Diagonalization) 프레임워크를 핵심으로 하여 다음과 같은 기술적 요소를 통합했습니다.

• SQD 알고리즘:
  • 양자 프로세서 (QPU) 를 사용하여 초기 상태 (Ansatz) 에서 중요한 슬레이터 행렬식 (Slater determinants) 을 샘플링합니다.
  • 샘플링된 서브스페이스 내에서 해밀토니안을 고전적으로 대각화하여 정확한 바닥 상태 에너지를 얻습니다.
  • 구성 복구 (Configuration Recovery): 잡음으로 인해 물리적 대칭성 (입자 수, 스핀 등) 을 위반한 샘플을 보정하는 오류 완화 기법을 적용하여 정확도를 높였습니다.
• Ansatz (시작 상태) 비교:
  • LUCJ (Local Unitary Cluster Jastrow): CCSD 진폭을 초기값으로 사용하며, 하드웨어 효율성이 높고 회로 깊이가 얕습니다.
  • LCNot-UCCSD (Linear-CNOT Unitary Coupled-Cluster Singles and Doubles): MP2 초기값을 사용하며, 화학적으로 표현력이 좋지만 회로 깊이가 LUCJ 보다 훨씬 깊어 잡음에 취약합니다.
• 임베딩 전략 (DMET):
  • 큰 분자 시스템을 작은 조각 (Fragment) 으로 나누고, 각 조각을 양자 솔버로 처리하며 주변 환경과의 상호작용을 밀도 행렬을 통해 일관성 있게 유지하는 DMET (Density Matrix Embedding Theory) 를 SQD 와 결합했습니다.

3. 주요 기여 및 실험 결과

A. 벤치마크 분자 시뮬레이션 (H2, LiH, BeH2, H2O, NH3)

• 정확도: LUCJ Ansatz 를 사용한 SQD 는 모든 벤치마크 분자에서 FCI(완전 정확도) 결과와 화학적 정확도 (Chemical Accuracy, 약 1 kcal/mol) 이내, 대부분 나노하트리 (sub-nanohartree) 수준으로 일치하는 에너지를 얻었습니다.
• Ansatz 비교:
  • LUCJ: 얕은 회로 깊이로 인해 모든 분자 (H2O, NH3 포함) 에서 성공적으로 작동했습니다.
  • LCNot-UCCSD: 회로가 너무 깊어 H2O 와 NH3 와 같은 큰 분자에서는 샘플링이 실패했으나, 작은 분자 (H2, LiH, BeH2) 에서는 LUCJ 와 유사한 정확도를 보였습니다. 이는 NISQ 하드웨어에서 회로 깊이와 잡음의 트레이드오프를 명확히 보여줍니다.

B. 전위 에너지 표면 (PES) 매핑

• 1D-PES: H2, HeH+, LiH, BeH2 에 대해 결합 길이 변화에 따른 1 차원 전위 에너지 표면 (STO-3G 및 6-31G 베이스) 을 스캔했습니다. 특히 결합 해리 영역에서 CCSD 가 실패하는 다중 참조 (multireference) 영역에서도 SQD(LUCJ) 는 FCI 와 일치하는 결과를 보여주었습니다.
• 2D-PES (최초 달성): 물 분자 (H2O) 에 대해 결합 길이와 결합 각도를 동시에 변화시키는 32x32 격자의 2 차원 전위 에너지 표면을 초전도 양자 하드웨어에서 최초로 실험적으로 생성했습니다. 충분한 샘플링 시 (10,000 샷) 에는 전체 격점에서 FCI 와 수치적 정밀도 수준으로 일치하는 매끄러운 표면이 얻어졌습니다.

C. 확장성 검증 (DMET-SQD)

• 리간드 유사 분자: 8 개의 다양한 리간드 분자 (43~75 Da) 에 대해 DMET-SQD 를 적용하여 활성 공간 에너지를 계산했습니다. 결과는 DMET-CASCI(고전적 참조) 와 마이크로하트리 수준으로 일치했습니다.
• 아만타딘 (Amantadine): 151 Da 크기의 약물 분자 (아만타딘) 에 대해 최초로 DMET-SQD 를 적용했습니다. 분자를 11 개의 조각으로 나누어 각 조각을 16 큐비트 이하의 활성 공간으로 축소하여 IQM Sirius 에서 성공적으로 시뮬레이션했습니다. 이는 기존 양자 하드웨어로는 불가능했던 규모의 분자에 대한 실험적 증명입니다.

4. 의의 및 결론

• 확장 가능한 워크플로우: SQD 와 DMET 의 결합은 작은 분자 벤치마크를 넘어, 실제 화학적으로 중요한 약물 분자 및 복잡한 시스템으로의 양자 시뮬레이션 확장을 가능하게 하는 견고한 하이브리드 워크플로우를 입증했습니다.
• 하드웨어 적합성: IQM Sirius 의 모든-대-모든 (all-to-all) 연결성과 네이티브 게이트 세트를 활용하여 LUCJ 와 같은 하드웨어 효율적 Ansatz 가 NISQ 환경에서 강력한 성능을 발휘함을 보였습니다.
• 차세대 양자 화학의 토대: 변분 최적화의 한계를 우회하고, 샘플링 기반 접근법과 고전적 대각화를 결합함으로써, 현재 양자 하드웨어의 잡음 수준에서도 화학적으로 정확한 결과를 얻을 수 있음을 입증했습니다. 이는 단백질, 금속 - 유기 골격체 (MOF) 등 더 복잡한 시스템으로의 확장을 위한 중요한 발걸음입니다.

요약하자면, 이 연구는 IQM 양자 하드웨어를 사용하여 SQD 알고리즘과 DMET 임베딩을 결합함으로써, 기존 양자 화학 방법론의 한계를 극복하고 실제 약물 분자 수준까지 확장 가능한 정밀한 양자 시뮬레이션을 성공적으로 수행한 획기적인 성과입니다.