⚛️ quantum physics

Utility of NISQ devices: optimizing experimental parameters for the fabrication of Au atomic junction using gate-based quantum computers

이 논문은 게이트 기반 NISQ 장치가 금 (Au) 원자 접합의 실험 매개변수 최적화 문제에서 기존 D-Wave 양자 어닐링 시스템보다 더 낮은 잔류 에너지와 고품질의 근사 해를 제공하여 자율적 제작에 유효함을 입증했습니다.

원저자: Takumi Kanezashi, Daisuke Tsukayama, Jun-ichi Shirakashi, Tetsuo Shibuya, Hiroshi Imai

게시일 2026-04-15

📖 3 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Takumi Kanezashi, Daisuke Tsukayama, Jun-ichi Shirakashi, Tetsuo Shibuya, Hiroshi Imai

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

1. 문제 상황: 원자 조종사의 고난 (FCE)

연구자들은 금 (Au) 나노선에 전기를 흘려보내 원자들이 움직이게 하거나 (전기 이송 현상), 끊어지게 하여 아주 작은 '원자 접합부'를 만듭니다. 이를 **FCE(피드백 제어 전기 이송)**라고 합니다.

비유: 마치 폭포수 위에서 미끄럼틀을 타고 내려가는 원자들을 상상해 보세요. 연구자들은 이 미끄럼틀의 경사 (전압) 를 조절해서 원자가 딱 한 칸씩만 미끄러지길 원합니다.
어려움: 하지만 미끄럼틀의 경사 (실험 변수) 를 수동으로 조절하는 건 너무 어렵습니다. 너무 급하면 원자가 미끄러져서 넘어가고, 너무 완만하면 원자가 멈춰버립니다. 이 '경사도'를 언제, 어떻게 바꿔줘야 할지 결정하는 건 매우 복잡한 퍼즐과 같습니다.

2. 해결책: 양자 컴퓨터라는 '초고속 퍼즐 해결사'

이전에는 이 퍼즐을 해결하기 위해 기계 학습이나 '양자 어닐링 (D-Wave 같은 기계)'을 썼습니다. 하지만 이번 연구는 조금 더 발전된 **'게이트 기반 양자 컴퓨터 (NISQ 장치)'**를 사용했습니다.

비유:
- 기존 방식 (양자 어닐링): 거대한 미로에서 출구를 찾을 때, 미로 전체를 한 번에 훑어보는 방식입니다. 하지만 미로가 너무 크면 미로 벽 (물리적 큐비트) 을 연결하는 데 많은 자원이 들고, 연결선이 끊어질 위험이 큽니다.
- 새로운 방식 (게이트 기반 양자 컴퓨터): 미로 속을 직관적으로 빠르게 뛰어다니는 방식입니다. 이 연구에서는 IBM 의 최신 양자 컴퓨터 (ibm_brussels 등) 를 사용했습니다.

3. 실험 과정: 양자 컴퓨터가 어떻게 일했나?

연구진은 양자 컴퓨터에게 "원자 미끄럼틀의 경사 (전압) 를 어떻게 바꿔야 가장 잘 조절할 수 있을까?"라는 질문을 던졌습니다.

데이터 수집: 먼저 무작위로 전압을 조절하며 실험을 해본 결과를 모았습니다. (데이터베이스 구축)
문제 변환: "어떤 전압 순서로 바꾸면 원자가 가장 안정적으로 한 칸씩 움직일까?"를 최적화 문제로 바꿨습니다.
양자 계산: 양자 컴퓨터가 이 문제를 풀어서 가장 좋은 '전압 순서'를 찾아냈습니다. 이때 **VQE(변분 양자 고유값 솔버)**라는 알고리즘을 썼는데, 이는 양자 컴퓨터가 현재 가진 제한된 능력 (소음, 오류) 안에서도 가장 좋은 답을 찾아내는 지혜로운 방법입니다.

4. 놀라운 결과: 양자 컴퓨터가 이겼다!

기존에 쓰던 '양자 어닐링 (D-Wave)'과 비교했을 때, 이번 연구에서 사용한 게이트 기반 양자 컴퓨터가 더 좋은 결과를 냈습니다.

비유:
- 양자 어닐링: 큰 미로를 해결하려다 보니, 미로 벽을 연결하는 데 너무 많은 자원을 써서 오히려 답이 흐릿해졌습니다. (물리적 큐비트 수가 논리적 문제보다 훨씬 많이 필요함)
- 게이트 기반 양자 컴퓨터: 자원을 아껴쓰면서도 더 선명한 답을 찾아냈습니다. 특히 문제가 커질수록 (원자 조절 단계가 많아질수록) 이 차이는 더 벌어졌습니다.
핵심: 양자 컴퓨터가 찾아낸 전압 조절 순서를 실제 실험에 적용하니, 금 원자가 한 알씩 아주 정확하게 이동하는 것을 확인했습니다.

5. 결론: 왜 이것이 중요한가?

이 연구는 **"현재의 불완전한 양자 컴퓨터 (NISQ) 도 실생활의 복잡한 문제를 해결할 수 있다"**는 것을 증명했습니다.

의미: 예전에는 양자 컴퓨터가 이론적인 존재였지만, 이제는 실제 실험실의 원자 조종사로 일할 수 있게 되었습니다.
미래: 이 기술이 발전하면, 우리가 상상도 못 하던 초소형 전자 부품 (단일 전자 트랜지스터 등) 을 자동으로 설계하고 만드는 '자율 실험실'이 가능해질 것입니다.

한 줄 요약:

"복잡한 원자 실험을 조절하는 퍼즐을 풀 때, 기존 방식보다 IBM 의 최신 양자 컴퓨터가 더 똑똑하고 정확한 해답을 찾아내어, 원자 한 알을 정교하게 조종하는 데 성공했습니다!"

논문 개요

이 연구는 게이트 기반 양자 컴퓨터 (Gate-based Quantum Computers), 특히 잡음이 있는 중규모 양자 (NISQ) 장치를 활용하여 금 (Au) 원자 접합 (Atomic Junction) 제조를 위한 실험 파라미터를 자율적으로 최적화하고 스케줄링할 수 있는 가능성을 탐구했습니다. 기존에 양자 어닐링 (Quantum Annealing, QA) 시스템으로 수행되던 작업을 NISQ 장치가 어떻게 처리할 수 있는지 비교 분석하며, 실제 물리 실험 (FCE) 의 정밀도를 높이는 데 양자 컴퓨팅이 기여할 수 있음을 입증했습니다.

1. 연구 배경 및 문제 정의 (Problem)

배경: 전자기 이동 (Electromigration, EM) 현상을 제어하는 피드백 제어 전자기 이동 (FCE) 기술은 금 나노와이어에 전압 피드백을 적용하여 원자 단위의 이동을 정밀하게 조절하고, 단일 전자 트랜지스터나 원자 접합을 제조하는 데 사용됩니다.
문제점: FCE 공정의 성공 여부는 피드백 전압 ( $V_{FB}$ ), 임계 전도도 ( $G_{TH}$ ), 전압 단계 크기 ( $V_{STEP}$ ) 등 여러 실험 파라미터의 최적 조합에 달려 있습니다. 이러한 파라미터를 수동으로 미세 조정하는 것은 매우 어렵고 비효율적입니다.
최적화 과제: 실험 진행에 따라 파라미터를 자동으로 스케줄링하는 문제는 **조합 최적화 문제 (Combinatorial Optimization Problem)**로 귀결됩니다. 기존 연구에서는 머신러닝, 이징 (Ising) 계산, 양자 어닐링 (QA) 등을 사용하여 이 문제를 해결하려 했습니다.
연구 목표: 게이트 기반 NISQ 장치가 이러한 조합 최적화 문제를 해결하여 QA 시스템보다 더 나은 성능을 발휘할 수 있는지 검증하는 것입니다.

2. 방법론 (Methodology)

시스템 아키텍처:
- FCE 실험 데이터를 기반으로 데이터베이스를 구축하고, 이를 통해 파라미터의 제어 능력을 평가합니다.
- 실험 파라미터 ( $V_{FB}$ ) 의 선택과 스케줄링을 **원-핫 인코딩 (One-hot encoding)**을 사용하여 이진 변수로 변환합니다.
- 이를 **여행하는 세일즈맨 문제 (TSP)**와 유사한 형태의 비용 함수 (Cost Function) 로 모델링합니다.
양자 알고리즘:
- VQA (Variational Quantum Algorithm) 중 **VQE (Variational Quantum Eigensolver)**를 사용하여 비용 함수의 바닥 상태 (Ground State) 를 탐색합니다.
- NISQ 장치의 제한된 자원 (코히어런스 시간, 게이트 오류) 을 고려하여, 각 큐비트에 RY 게이트만 사용하는 하드웨어 효율적 Ansatz를 채택했습니다. 이는 파라미터 수와 게이트 연산을 줄여 오류를 최소화합니다.
- 비용 함수: $E(x) = A \sum (\sum x_{n,i} - 1)^2 - B \sum \sum \sum W_{ij} x_{n,i} x_{n+1,j}$ $E (x) = A \sum (\sum x_{n, i} - 1)^{2} - B \sum\sum\sum W_{ij} x_{n, i} x_{n + 1, j}$
  - 첫 번째 항: 각 단계에서 하나의 파라미터만 선택되도록 제약 (One-hot).
  - 두 번째 항: 파라미터 전환 점수 ( $W_{ij}$ ) 를 최대화하여 전체 점수를 높임.
실험 환경:
- 시뮬레이터: IBM Qiskit 의 aer_simulator_matrix_product_state.
- NISQ 장치: IBM Eagle 프로세서 기반의 ibm_nazca (127 큐비트) 와 ibm_brussels (127 큐비트).
- 비교 대상: D-Wave 2000Q, Advantage, Advantage2 등 기존 양자 어닐링 (QA) 시스템.
- 데이터: 50 개의 실험 데이터셋을 기반으로 511 개의 피드백 사이클에서 추출된 11 만 5 천 개 이상의 데이터 포인트를 사용하여 전환 계수 $W_{ij}$ 를 계산했습니다.

3. 주요 결과 (Key Results)

잔류 에너지 (Residual Energy) 비교:
- 문제 규모 (주문 수 $N$ ) 가 커질수록 모든 방법의 잔류 에너지가 증가했으나, NISQ 장치 (ibm_brussels, ibm_nazca) 가 양자 어닐링 (QA) 장치보다 더 낮은 잔류 에너지를 기록했습니다.
- 특히 ibm_brussels 은 큐비트 읽기 오류가 낮고 양자 회로 최적화 (generate_preset_pass_manager) 를 적용하여, $N \le 4$ (논리 큐비트 36 개) 범위에서 잡음이 없는 시뮬레이터와 유사한 성능을 보였습니다.
물리 큐비트 효율성:
- QA 시스템은 논리 큐비트를 물리 큐비트 그룹 (체인) 으로 매핑하는 '마이너 임베딩 (Minor Embedding)'이 필요하여 물리 큐비트 수가 논리 큐비트 수의 2.3~9.4 배까지 증가했습니다.
- 반면, 게이트 기반 NISQ 장치는 논리 큐비트와 물리 큐비트 수가 동일하여 큐비트 소모가 적고 체인 끊김 (Chain break) 으로 인한 오류가 발생하지 않아 대규모 문제에서 더 우세한 성능을 보였습니다.
최적 스케줄 성능 ( $S_{max}$ ):
- 최적화된 스케줄의 품질을 나타내는 지표인 $S_{max}$ 에서, NISQ 장치는 시뮬레이터와 유사한 높은 점수를 기록했습니다.
- $N \ge 5$ (논리 큐비트 45 개 이상) 인 대규모 문제에서 NISQ 장치가 QA 시스템보다 더 우수한 스케줄을 생성했습니다.
- 생성된 스케줄은 기존 연구에서 확인된 바와 같이 20% 와 60% 전압을 교차 반복하는 패턴을 따르며, 이는 원자 이동 제어에 매우 효과적입니다.

4. 연구의 의의 및 기여 (Significance & Contributions)

NISQ 장치의 실용성 입증: 잡음과 제한된 코히어런스 시간을 가진 현재의 NISQ 장치조차도 복잡한 조합 최적화 문제 (실제 실험 파라미터 최적화) 를 해결하여, 기존 양자 어닐링 시스템보다 더 정확한 근사 해를 제공할 수 있음을 보였습니다.
게이트 기반 vs 어닐링 비교: 물리 큐비트 효율성 측면에서 게이트 기반 양자 컴퓨터가 QA 시스템보다 우월할 수 있음을 실증적으로 증명했습니다. QA 의 체인 구조로 인한 오류가 대규모 문제에서 성능 저하를 유발하는 반면, 게이트 방식은 이를 우회할 수 있음을 보여줍니다.
자율 실험 시스템의 발전: 게이트 기반 양자 컴퓨팅을 활용하여 원자 단위 제어 (Single-atom level control) 가 필요한 나노 소자 제조 공정을 자율적으로 최적화할 수 있는 새로운 패러다임을 제시했습니다.
향후 전망: 읽기 오류 완화 기술 (mthree 등) 과 CVaR-VQE 같은 알고리즘 개선을 통해 잔류 에너지를 더욱 낮추고, 더 많은 실험 파라미터를 동시에 최적화하여 나노 기술 및 양자 소자 제조 분야에서의 실용적 적용 가능성을 높였습니다.

결론

이 연구는 게이트 기반 NISQ 장치가 금 원자 접합 제조와 같은 정밀한 나노 공정 파라미터 최적화에서 기존 양자 어닐링 시스템을 능가할 수 있는 잠재력을 가지고 있음을 보여주었습니다. 특히 물리 큐비트 효율성과 오류 제어 측면에서 게이트 방식이 우위를 점하고 있어, 향후 자율 실험 시스템 및 실세계 문제 해결을 위한 양자 컴퓨팅의 핵심 기술로 자리 잡을 것으로 기대됩니다.