⚛️ quantum physics

Qurator: Scheduling Hybrid Quantum-Classical Workflows Across Heterogeneous Cloud Providers

이 논문은 IBM, IonQ 등 다양한 양자 클라우드 제공업체의 큐 대기 시간과 회로 충실도를 동시에 최적화하기 위해, 얽힘 의존성 및 복제 불가 제약과 같은 양자 특유의 제약을 고려한 하이브리드 워크플로우 스케줄러 'Qurator'를 제안하고 그 유효성을 입증합니다.

원저자: Sinan Pehlivanoglu, Ulrik de Muelenaere, Peter Kogge, Amr Sabry

게시일 2026-04-08

📖 4 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Sinan Pehlivanoglu, Ulrik de Muelenaere, Peter Kogge, Amr Sabry

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"Qurator(큐레이터)"**라는 새로운 시스템을 소개합니다. 이 시스템은 양자 컴퓨터를 사용할 때 겪는 큰 문제를 해결하기 위해 고안되었습니다.

간단히 말해, **"양자 컴퓨터는 매우 비싸고 느린 '명품 식당'처럼 작동하는데, Qurator 는 이 식당에 가는 시간을 줄이면서도 음식의 맛 (정확도) 을 잃지 않는 최고의 예약 비서"**라고 생각하시면 됩니다.

이 내용을 일상적인 비유로 풀어서 설명해 드릴게요.

1. 문제 상황: "3 초 요리, 3 시간 대기"

양자 컴퓨터는 아직 초기 단계라, 전 세계에 몇 대밖에 없습니다. IBM, IonQ 같은 회사들이 이 컴퓨터들을 '클라우드'로 공유해 주고 있는데, 문제는 매우 혼잡하다는 것입니다.

비유: 마치 인기 있는 고급 레스토랑에 가는 것과 같습니다.
- 요리사 (양자 컴퓨터) 가 요리를 하는 데는 3 초밖에 걸리지 않습니다.
- 하지만 손님이 주문하고 요리를 받기까지 대기열에 서 있는 시간이 수 분에서 하루까지 걸릴 수 있습니다.
- 게다가 양자 컴퓨터는 매우 예민해서, 대기 시간이 길어지거나 환경이 조금만 변해도 요리 (계산 결과) 가 맛이 없어지거나 (오류 발생), 아예 망가질 수 있습니다.

기존에는 "가장 빨리 들어갈 수 있는 식당"을 찾거나, "가장 맛있는 식당"을 찾는 것 중 하나만 선택해야 했습니다. 하지만 Qurator 는 둘 다 고려합니다.

2. Qurator 의 핵심 기술 3 가지

Qurator 는 이 복잡한 문제를 해결하기 위해 세 가지 똑똑한 전략을 사용합니다.

① "맛의 기준"을 통일하다 (신뢰도 추정)

각 양자 컴퓨터 회사 (IBM, IonQ 등) 는 자신들의 기계 상태를 설명하는 방식이 다릅니다. A 사는 "전압이 100V"라고 하고, B 사는 "온도가 20 도"라고 합니다. 서로 다른 언어를 쓰는 것입니다.

비유: 각 식당이 메뉴판에 "매운맛 5 점", "신맛 3 점"처럼 서로 다른 단위로 맛을 표현하는 상황입니다.
해결: Qurator 는 이 모든 서로 다른 데이터를 받아와서 **"맛의 점수 (성공 확률)"**라는 하나의 공통 언어로 번역합니다. 그래서 "어느 식당이 지금 가장 맛있는 음식을 줄 수 있을까?"를 정확히 계산할 수 있습니다.

② "조리법"을 바꾸다 (회로 자르기 & 합치기)

양자 컴퓨터는 한 번에 처리할 수 있는 양 (큐비트 수) 에 한계가 있습니다. 너무 큰 문제는 처리하지 못합니다.

비유: 큰 피자를 작은 피자 조각으로 잘라 여러 개의 오븐에 동시에 굽거나, 반대로 작은 피자 몇 개를 합쳐서 큰 오븐에 한 번에 굽는 전략입니다.
- 자르기 (Circuit Cutting): 너무 큰 문제를 작은 조각으로 잘라, 작은 양자 컴퓨터에서도 실행되게 합니다. (조각을 다시 합치는 과정이 필요하지만, 대기 시간을 줄여줍니다.)
- 합치기 (Merging): 작은 작업들 여러 개를 하나로 합쳐, 한 번에 실행합니다. 이렇게 하면 대기열에 서는 횟수를 줄일 수 있습니다.
Qurator 는 "지금 이 작업은 자르는 게 나을까, 합치는 게 나을까?"를 실시간으로 계산해 결정합니다.

③ "동시성"을 맞추다 (얽힘의 장벽)

양자 컴퓨터의 가장 신비로운 특징인 **'얽힘 (Entanglement)'**은 두 개의 양자 입자가 서로 연결되어 있는 상태입니다. 이 연결은 매우 약해서, 한쪽이 실행되고 다른 쪽이 실행될 때 시간 차이가 나면 연결이 끊어집니다.

비유: 두 사람이 동시에 전화기를 들고 대화를 시작해야 하는데, 한 사람은 10 시에, 다른 사람은 10 시 01 분에 전화를 받으면 대화가 성립하지 않는 상황입니다.
해결: Qurator 는 여러 양자 컴퓨터에 작업을 분배할 때, "모두가 거의 동시에 시작할 수 있도록" 대기 시간을 정밀하게 계산하여 맞춰줍니다.

3. 실제 효과: 얼마나 좋을까요?

연구진은 실제 4 개월간의 대기 데이터를 바탕으로 시뮬레이션을 돌려보았습니다.

대기열이 적을 때: 가장 맛있는 식당 (가장 정확한 양자 컴퓨터) 을 선택해서, 거의 100% 에 가까운 정확도를 유지합니다.
대기열이 매우 많을 때 (혼잡한 시간대):
- 기존 방식 (가장 맛있는 곳만 고집): 대기 시간이 너무 길어집니다.
- 기존 방식 (가장 빠른 곳만 고집): 음식 맛이 너무 떨어집니다.
- Qurator: "맛이 조금만 떨어지더라도 (사용자가 허용한 범위 내), 대기 시간을 30~75% 줄여줍니다."
- 특히 큰 문제를 다룰 때는 '자르기' 기술을 써서, 아예 실행이 불가능했던 문제도 해결할 수 있게 해줍니다.

4. 결론: 왜 이것이 중요한가?

지금 당장은 양자 컴퓨터를 여러 대 연결해서 (분산 양자 컴퓨팅) 사용하는 것은 대기 시간이 너무 길어서 거의 불가능합니다. (비유하자면, 두 도시의 레스토랑에 동시에 주문하러 가는데, 이동 시간이 너무 길어서 요리가 식어버리는 상황입니다.)

하지만 Qurator는 이런 현실적인 한계를 인정하면서도, 가장 효율적인 방법을 찾아줍니다.

양자 컴퓨터 기술이 발전하면, 이 시스템은 자동으로 적응해서 더 좋은 결과를 낼 수 있도록 설계되었습니다.
결국 Qurator 는 **"양자 컴퓨터를 쓸 때 기다리는 시간과 결과의 정확성 사이의 줄다리기"**를 가장 현명하게 해결해주는 스마트한 관리자입니다.

한 줄 요약:

"양자 컴퓨터는 비싸고 느린 명품 식당인데, Qurator 는 요리가 망가지지 않는 선에서 대기 시간을 최소화해 주는 똑똑한 예약 비서입니다."

1. 문제 정의 (Problem Statement)

양자 컴퓨팅이 고립된 실험에서 대규모 워크플로우 통합으로 이동함에 따라, 양자 장치를 HPC(고성능 컴퓨팅) 시스템에 통합하는 것이 핵심 과제가 되었습니다. 그러나 현재 IBM, IonQ, D-Wave 등의 양자 클라우드 제공업체는 '선착순 (First-Come, First-Served)' 방식의 공유 큐를 통해 양자 처리 장치 (QPU) 를 제공합니다.

주요 병목 현상: 3 초 만에 실행되는 회로가 대기열 때문에 수 분에서 하루 종일 기다려야 하는 경우가 발생합니다 (15~60 배의 오버헤드).
기존 접근법의 한계: 기존 스케줄링 기법들은 '대기 시간 최소화'와 '실행 충실도 (Fidelity) 유지'를 별개의 문제로 취급하거나, 양자 고유의 제약 조건을 고려하지 않습니다.
양자 특유의 제약 조건:
- 얽힘 (Entanglement) 의존성: 얽힘 상태의 큐비트 쌍 (EPR 쌍) 은 매우 짧은 시간 (수 초) 만 유지되므로, 관련 태스크는 거의 동시에 실행되어야 합니다.
- 복제 불가 정리 (No-Cloning Theorem): 양자 상태는 복사할 수 없으므로, 태스크 중복 (Duplication) 이나 작업 도난 (Work Stealing) 같은 고전적 기법이 불가능합니다.
- 비선점성 (Non-preemptibility): 한 번 실행이 시작되면 중단할 수 없습니다.
- 이질적인 게이트 세트 및 보정 데이터: 각 제공업체마다 다른 네이티브 게이트와 보정 메트릭을 사용하여, 충실도 추정이 어렵습니다.

이러한 환경에서 대기 시간 (Queue Time) 과 충실도 (Fidelity) 를 동시에 최적화하는 새로운 스케줄러가 필요합니다.

2. 방법론 (Methodology)

저자들은 Qurator라는 아키텍처-중립 (Architecture-agnostic) 양자 - 고전 태스크 스케줄러를 제안했습니다. 주요 방법론은 다음과 같습니다.

가. 하이브리드 워크로드 모델링

동적 DAG(Directed Acyclic Graph) 로 하이브리드 워크로드를 모델링합니다.
정적 스케줄링이 불가능한 VQE(변분 양자 고유값 솔버) 나 QAOA(양자 근사 최적화 알고리즘) 와 같은 반복적 알고리즘을 지원합니다.
얽힘 의존성, 동기화 장벽, 복제 불가 제약, 회로 절단 (Circuit Cutting) 및 병합 (Merging) 결정을 명시적으로 포함합니다.

나. 이질적 제공업체를 위한 통합 충실도 추정 (Unified Fidelity Estimation)

IBM, IonQ, IQM, Rigetti, AQT, QuEra 등 6 개 제공업체의 호환되지 않는 보정 데이터를 **로그 성공 점수 (Logarithmic Success Score)**로 통합합니다.
주요 변수: 1 큐비트/2 큐비트 게이트 오류, 판독 오류, 디코히어런스 시간 ( $T_1, T_2$ ), 게이트 지속 시간 등을 표준화합니다.
계산 방식:
- 연산 성공 점수 ( $P_{ops}$ ): 게이트 및 판독 오류를 로그 합산.
- 디코히어런스 패널티 ( $P_{decoh}$ ): 큐비트가 회로 실행 동안 축적된 시간에 비례하여 감쇠.
- 최종 추정 충실도: $\hat{F}_{est} = \exp(\log P_{ops} + \log P_{decoh})$ .
이 모델은 하드웨어 실험 결과 (GHZ 벤치마크 등) 와 높은 정확도로 일치함을 검증했습니다.

다. 얽힘 태스크를 위한 동기화 장벽 모델링

얽힘 분배 노드 ( $E_1$ ) 가 시작되기 전에 모든 상류 경로가 완료되어야 하며, 생성된 EPR 쌍은 디코히어런스 시간 내에 하류 태스크 ( $Q_4, Q_5, Q_6$ ) 로 전달되어야 합니다.
동기화 오버헤드 ( $\Omega_b$ ): 얽힘 태스크 그룹 내 각 태스크의 예상 시작 시간 편차 (Skew) 를 최소화하는 장치를 할당하는 알고리즘을 설계했습니다.

라. 부하 적응형 공동 최적화 (Load-Adaptive Joint Optimization)

스케줄링 계수 ( $c_d$ ): 충실도 보상 ( $w_f$ $w_{f}$ ) 과 대기열 패널티 ( $w_q$ $w_{q}$ ) 를 결합하여 장치를 선택합니다.
- 저부하: 충실도가 우세하게 작용하여 가장 충실도가 높은 장치를 선택.
- 고부하: 대기열 패널티가 우세하게 작용하여 대기 시간이 짧은 장치를 선택하되, 사용자 지정 충실도 목표치 이하로 떨어지지 않도록 제한합니다.
대기 시간 예측: 제공업체의 내부 큐 데이터에 접근할 수 없으므로, 제출된 작업 메트릭과 과거 데이터를 기반으로 가우스 커널 (Gaussian Kernel) 을 사용하여 대기 시간을 추정합니다.

마. 회로 절단 (Cutting) 및 병합 (Merging)

회로 절단: 단일 장치가 큰 회로를 실행할 수 없거나 충실도가 낮을 때, 회로를 작은 서브회로로 분할하여 다른 장치에서 실행하고 고전적 후처리로 결과를 재구성합니다.
회로 병합: 여러 태스크를 하나의 QPU 제출로 합쳐 동기화 오버헤드를 줄입니다. (단, 얽힘 태스크의 경우 병합이 필수적일 수 있음).

3. 주요 기여 (Key Contributions)

통합 충실도 추정 모델: 6 개 이질적 양자 클라우드 제공업체의 데이터를 단일 로그 성공 점수로 통합하여, 제공업체 간 비교와 장치를 선택을 가능하게 함.
양자 인지 스케줄링 의미론: 고전적 스케줄링이 가정하는 선점, 태스크 복제, 작업 도난이 불가능한 양자 환경에 맞춰, 얽힘 동기화 장벽, 복제 불가 제약, 회로 절단/병합을 1 급 결정 사항으로 공식화.
부하 적응형 최적화: 시스템 부하에 따라 충실도와 대기 시간의 균형을 동적으로 조정. 저부하 시에는 최고 충실도 기준선과 1% 이내의 오차, 고부하 시에는 30~75% 의 대기 시간 단축 달성.
분산 얽힘 태스크를 위한 첫 번째 벤치마크: 현재 공개 클라우드에서는 분산 양자 컴퓨팅이 지원되지 않으므로, 이를 시뮬레이션하기 위한 새로운 벤치마크와 지표 (시작/종료 편차, 예산 패널티, 생존 프록시) 를 도입.

4. 실험 결과 (Results)

Munich Quantum Toolkit (MQT) 벤치마크 스위트와 4 개월간의 실제 큐 데이터를 기반으로 한 시뮬레이션을 통해 평가되었습니다.

성능 비교:
- 저부하 (5~500 태스크): Qurator 는 '최고 충실도 (Highest Fidelity)' 기준선과 거의 동일한 충실도 (1% 이내 차이) 를 유지하면서도 대기 시간을 적절히 관리합니다. 반면 '가장 덜 바쁜 (Least Busy)' 전략은 10~20% 포인트의 충실도 손실을 감수합니다.
- 고부하 (5,000~35,000 태스크): Qurator 는 '최고 충실도' 전략 대비 최대 75% 의 대기 시간을 단축하면서도, 사용자 지정 목표 충실도 (예: 0.90) 를 유지합니다. '가장 덜 바쁜' 전략 대비 18% 높은 충실도를 제공합니다.
회로 절단 및 병합 효과:
- 고 큐비트 회로의 경우, 회로 절단을 통해 작은 장치에서 실행 가능하게 하여 충실도를 최대 60% 향상시켰습니다 (대기 시간 증가 대가).
- 비동기 태스크의 경우 회로 병합을 통해 모든 부하 조건에서 50~~60% 의 대기 시간 감소를 달성했습니다 (충실도 10~~20% 감소 대가).
분산 얽힘 태스크 시뮬레이션:
- 현재 공개 클라우드의 대기 시간 (수천~수만 개) 은 EPR 쌍의 디코히어런스 시간 (수 초) 을 훨씬 초과하므로, 분산 양자 컴퓨팅은 사실상 불가능한 것으로 나타났습니다 (생존 프록시 $10^{-15}$ ~ $10^{-239}$ ).
- 대기열이 10 개 이하로 제한될 때만 실용적인 수준의 생존 프록시 (0.71) 를 달성할 수 있음을 확인했습니다.
- 병합 전략의 중요성: 얽힘 태스크를 단일 QPU 제출로 병합하면 장치 간 동기화 문제가 사라져 생존율이 획기적으로 개선됨을 보였습니다.

5. 의의 및 결론 (Significance)

새로운 패러다임: Qurator 는 양자 클라우드 스케줄링을 단순한 대기열 관리가 아닌, 양자 물리 법칙 (얽힘, 복제 불가, 디코히어런스) 을 1 급 제약 조건으로 삼는 새로운 접근법을 제시합니다.
실용성: 현재 양자 하드웨어의 한계 (짧은 디코히어런스, 긴 대기 시간, 이질성) 를 극복하고, 하이브리드 워크플로우의 효율성을 극대화하는 실용적인 솔루션을 제공합니다.
미래 지향성: 분산 양자 컴퓨팅이 실현 가능한 시점까지의 진전을 추적할 수 있는 벤치마크와 모델을 제시했습니다. 향후 양자 네트워크가 발전하고 예약 시스템이 도입되면 Qurator 의 아키텍처는 이를 유연하게 수용할 수 있도록 설계되었습니다.

이 논문은 양자 컴퓨팅이 대규모 워크플로우에 통합되는 과정에서 필수적인 스케줄링 문제를 해결하기 위한 체계적인 프레임워크를 제공하며, 양자 클라우드 생태계의 성숙도를 높이는 데 기여합니다.