Opportunities and challenges in scaling quantum error detection on hardware

본 논문은 반복 코드와 삼각형 컬러 코드를 사용하여 실제 및 시뮬레이션 하드웨어에서 양자 오류 검출의 확장 가능성을 평가하여, 샘플링 및 고전적 처리에 상당한 오버헤드가 있음에도 불구하고 코드 거리가 증가함에 따라 이 기술이 노이즈 없는 결과를 달성할 수 있는 강력한 가능성을 지니고 있음을 입증한다.

핵심

정숙한 메시지를 소음이 가득한 방 건너편으로 전달하려고 한다고 상상해 보세요. 그 메시지는 양자 상태이며, '소음'은 사람들이 소리를 지르거나 바람이 불거나 라디오의 정전기 같은 것입니다. 양자 컴퓨팅 세계에서는 이러한 소음이 계산을 망치는 오류를 유발합니다.

이 논문은 이러한 오류를 수정하는 특정 전략, 즉 양자 오류 감지에 관한 것입니다. 저자들은 다양한 대학과 기업으로 구성된 연구팀으로, 이 전략이 실제 거칠고 복잡한 양자 컴퓨터에서 확장될 때 실제로 작동하는지 확인하고자 했습니다.

다음은 그들의 작업을 간단한 비유로 정리한 것입니다:

핵심 아이디어: '문지기' 전략

양자 컴퓨터를 클럽이라고 생각해 보세요. 클럽에서 완벽한 결과 (즉, '코드워드') 를 얻고자 합니다. 하지만 시스템의 소음은 실수로 많은 가짜 손님 (오류) 을 들여보내는 문지기처럼 작용합니다.

• 표준 양자 컴퓨팅: 모든 사람을 들여보낸 후 계산을 수행하고 결과가 맞기를 바랍니다. 소음이 크면 결과는 쓸모없는 쓰레기가 됩니다.
• 양자 오류 감지: 단순히 모든 사람을 들여보내는 대신 특별한 규칙을 설정합니다. 특정 '신원 확인' (코드) 을 통과한 결과만 허용합니다. 만약 결과가 올바른 신원 확인을 받지 못한다면 (즉, 오류가 발생했다면), 그 결과를 폐기하고 다시 시도합니다.

이 논문은 다음과 같은 주요 이점을 강조합니다: 이 방법은 편향되지 않은 답변을 제공합니다. 계속 시도하면서 '유효한' 결과만 계산한다면, 평균 답변은 결국 완벽하게 정확해집니다. 이는 단순히 추측하고 가까워지기를 바라는 다른 방법들과는 다릅니다.

두 가지 큰 장애물

저자들은 이 방법이 아직 널리 사용되지 않는 두 가지 주요 이유를 지적합니다:

1. '로또 티켓' 문제 (샘플링 오버헤드):
   소음이 너무 강하기 때문에 대부분의 시도는 신원 확인을 통과하지 못합니다. 99.9% 가 패배자인 로또 티켓을 사는 것과 같습니다. 한 명의 당첨자를 얻기 위해서는 엄청난 수의 티켓을 구매해야 합니다. 계산이 깊어질수록 (더 복잡해질수록) 구매해야 하는 티켓의 수는 기하급수적으로 증가합니다. 몇 개의 좋은 결과를 얻기 위해 실험을 수백만 번 실행해야 할 수도 있습니다.
2. '수학 숙제' 문제 (고전적 처리):
   유효한 결과를 얻더라도 그 의미를 파악하는 것은 어렵습니다. 컴퓨터는 데이터를 처리하기 위해 일반 컴퓨터에서 방대한 양의 수학 계산을 수행해야 합니다. 저자들은 더 큰 코드의 경우 이 수학 계산이 너무 무거워져서 처리하는 데 몇 시간에서 며칠이 걸리며, 결국 일반 컴퓨터의 메모리가 부족해진다는 사실을 발견했습니다.

실험: 물밑 테스트

이 팀은 이론만 논의한 것이 아니라, 실제 양자 컴퓨터 (IBM 머신) 와 시뮬레이션된 컴퓨터에서 실제 실험을 수행했습니다. 그들은 두 가지 다른 '코드' (신원 확인 규칙) 를 테스트했습니다:

• 반복 코드 (단순한 경비):
  이는 친구들이 모두 같은 말을 하는 것과 같습니다. 한 친구가 "예"라고 하고 다른 친구들이 "아니오"라고 말하면, "아니오"가 실수임을 알 수 있습니다.
  • 결과: 그들은 친구를 더 많이 추가할수록 (물리적 큐비트를 더 추가할수록) 정확도가 극적으로 향상됨을 발견했습니다. 결과는 이론이 예측한 대로 완벽한 답변에 점점 더 가까워졌습니다.
• 삼각형 컬러 코드 (복잡한 경비):
  이는 훨씬 더 정교한 규칙 집합으로, 단순한 "예/아니오" 교체뿐만 아니라 더 많은 유형의 오류를 포착할 수 있습니다.
  • 결과: 그들은 최대 74 개의 물리적 큐비트로 이를 테스트했습니다.
  • 주의점: 그들은 '전환점' (즉, 의사 임계값) 을 발견했습니다. 방 안의 소음이 너무 크다면, 복잡한 경비 시스템은 신원 확인을 시도하는 과정에서 새로운 오류를 유발하기 때문에 단순히 추측하는 것보다 상황을 더 악화시킵니다. 하지만 소음이 충분히 낮다면, 이 복잡한 코드는 훌륭하게 작동하여 표준 방법을 능가합니다.

"적정 지점" (의사 임계값)

저자들은 의사 임계값이라는 중요한 개념을 발견했습니다. 이는 속도 제한을 상상해 보세요.

• 소음이 이 속도 제한 미만이라면, 오류 감지 코드를 사용하는 것은 고성능 스포츠 카를 운전하는 것과 같습니다. 일반 차를 운전하는 것보다 더 빠르고 정확합니다.
• 소음이 이 제한 초과라면, 스포츠 카는 너무 무겁고 복잡합니다. 그냥 일반 차를 운전하는 것이 더 나을 것입니다.

그들의 실험은 복잡한 코드의 경우 이 전환점에 도달했음을 보여주었습니다. 38 개의 큐비트에서는 코드가 짧은 작업에는 잘 작동했지만, 더 길고 소음이 많은 작업에서는 실패했습니다. 74 개의 큐비트에서는 소음이 너무 강해 실제 기계에서 유효한 결과를 단 하나도 얻지 못했습니다 (비록 시뮬레이션은 기기가 약간 더 조용하다면 작동할 수 있음을 시사했지만).

결론

이 논문은 양자 오류 감지가 매우 유망한 도구이지만, '적정 지점'이 있다고 결론 내립니다.

• 작동합니다: 나쁜 데이터를 폐기함으로써 완벽하게 정확한 결과를 생성할 수 있습니다.
• 확장됩니다: 큐비트를 더 추가할수록 정확도가 기하급수적으로 향상됩니다 (결과가 매우 빠르게 좋아집니다).
• 비용: 데이터를 분류하기 위해 많은 시간 (실험을 매우 많이 반복) 과 많은 고전 컴퓨팅 파워가 필요합니다.

저자들은 양자 컴퓨터가 더 나아지고 (소음이 줄어들고) 수학 처리 방법을 개선해 나감에 따라, 이 '문지기 전략'이 미래에 강력하고 오류 없는 양자 컴퓨터를 구축하는 데 핵심적인 부분이 될 것이라고 낙관합니다. 그들은 특히 이 접근 방식이 '메가큐업' (양자 컴퓨팅의 미래 규모) 기계에 관련이 있다고 언급하지만, 현재 특정 의료 또는 산업 문제를 해결한다고 주장하지는 않습니다.

기술 요약

기술 요약: 하드웨어에서 양자 오류 검출 확장 시의 기회와 과제

문제 제기
양자 오류 검출 (QED) 은 코드 거리가 증가함에 따라 노이즈가 없는 결과로 지수적으로 수렴하는 편향되지 않은 기대값을 얻을 수 있는 경로를 제공합니다. 편향된 추정치를 생성하는 많은 휴리스틱 오류 완화 기술과 달리, QED 는 선택된 코드의 논리적 부분 공간 밖의 최종 상태를 폐기하여 이론적으로 모든 오류가 수정 가능할 경우 편향되지 않은 결과를 산출합니다. 그러나 QED 는 두 가지 주요 확장성 도전 과제 때문에 양자 하드웨어에서 상대적으로 덜 연구되어 왔습니다:

1. 샘플링 오버헤드: 대부분의 노이즈 모델 하에서 코드워드 (codewords) 를 검출하기 위해 필요한 샘플 (샷) 수는 회로 깊이와 노이즈 수준에 따라 지수적으로 증가합니다.
2. 고전적 처리 오버헤드: 코드워드를 식별하거나 필요한 프로젝터를 평가하기 위해 필요한 고전적 전처리 및 후처리는 일반적으로 코드 크기에 따라 지수적으로 확장됩니다 (특히 $2^r$, 여기서 $r$은 안정자 생성자의 수입니다).
   또한, 논리 연산을 물리 하드웨어에 임베딩하는 일정한 오버헤드는 인코딩 및 라우팅으로 인해 발생하는 노이즈가 오류 검출의 이점을 초과할 경우 성능을 저하시킬 수 있습니다.

방법론
저자들은 QED 의 확장을 평가하기 위해 실제 IBM 양자 컴퓨터와 시뮬레이션된 노이즈 환경에서 포괄적인 벤치마크 연구를 수행했습니다. 이 연구는 두 가지 특정 코드를 활용했습니다:

• 반복 코드 (Repetition Code): 메모리 실험과 논리적 벨 상태 준비에 사용되는 $[[n, 1, n]]$ 코드입니다. 이 코드는 고전적 (비트 플립 오류만 수정) 이며 $Z$-기저에서 단순한 인코딩이 가능합니다.
• 삼각형 컬러 코드 (Triangular Color Code): 비트 플립 및 위상 플립 오류 모두를 수정할 수 있는 양자 $[[n, 1, d]]$ 코드 (구체적으로 $d=3$인 스티어 코드와 $d=5, 7$에 대한 일반화) 입니다. 이 코드는 비자명한 유니타리 인코딩 회로를 요구합니다.
  실험은 최대 74 개의 물리 큐비트와 3,146 개의 물리 2-큐비트 게이트를 사용하여 IBM 장치 (Kyiv, Fez, Boston, Aachen) 에서 수행되었습니다. 저자들은 코드 거리 ($n$) 와 회로 깊이 ($D$) 를 변화시키면서 논리적 벨 상태를 준비하고 기대값 ($\langle \bar{Z}\bar{Z} \rangle$, $\langle \bar{X}\bar{X} \rangle$, $\langle \bar{Z} \rangle$) 을 측정했습니다. 또한 유휴 시간 오류를 완화하기 위해 동적 디커플링 (DD) 을 적용했습니다. 이 기술의 한계를 분석하기 위해 저자들은 단일 큐비트 소멸 노이즈를 가진 노이즈 시뮬레이션을 사용하여 삼각형 컬러 코드의 **의사 임계값 (pseudothreshold)**을 추정했습니다. 이는 QED 가 물리 실험보다 우수한 성능을 보이는 노이즈 수준 이하를 의미합니다.

주요 결과

• 지수적 수렴: 하드웨어에서 QED 를 통해 얻은 기대값의 정확도는 물리 큐비트 수 (코드 거리) 가 증가함에 따라 이상적인 노이즈 없는 값으로 지수적으로 수렴합니다. 이는 반복 코드 메모리 실험과 논리적 벨 상태 준비 모두에서 관찰되었습니다.
• 물리 큐비트 대비 성능: 반복 코드 실험에서 인코딩된 결과는 평균적으로 물리 결과보다 일관되게 우수한 성능을 보였습니다. 삼각형 컬러 코드의 경우, 거리 $d=3$ ($n=14$) 에서 테스트된 모든 깊이에서 인코딩된 결과가 물리 결과보다 우수했습니다. 그러나 $d=5$ ($n=38$) 에서 특정 회로 깊이 ($D=30$) 를 넘어서면 인코딩된 결과가 물리 결과보다 나빠지는 교차점이 발생하여 의사 임계값의 존재를 보여주었습니다.
• 샘플링 및 고전적 한계: 이 연구는 코드워드를 샘플링하는 것이 지수적으로 어려워진다는 것을 확인했습니다. 거리 $d=7$ 삼각형 컬러 코드 ($n=74$) 의 경우, $10^6$샷 이후 하드웨어에서 코드워드가 샘플링되지 않았습니다. 시뮬레이션은 $n \ge 25$인 경우 안정자 생성자로부터 코드워드를 계산하는 데 수 시간이 소요되거나 메모리 용량을 초과함을 나타내어 심각한 고전적 병목 현상을 강조했습니다.
• 의사 임계값 거동: 삼각형 컬러 코드에 대한 추정된 의사 임계값 $p^*$는 회로 깊이에 따라 지수적으로 감소합니다. 이는 완전한 양자 오류 수정의 임계값과 유사하지만 특정 회로 및 노이즈 매개변수에 의존하는, 오류 검출이 우수한 성능을 제공하는 임계값 이하 영역을 정의합니다.
• 인코딩 오버헤드: 이 연구는 삼각형 컬러 코드에 필요한 비자명한 인코딩 회로가 상당한 깊이와 2-큐비트 게이트 오버헤드를 도입하며, 최적화되지 않을 경우 유효 오류율을 의사 임계값 위로 밀어올릴 수 있음을 강조했습니다.

의의 및 주장
이 논문은 현재 및 가까운 미래의 하드웨어에서 QED 를 확장하기 위한 기회와 도전에 대한 명확한 그림을 제공한다고 주장합니다. 주요 의의는 QED 가 실제 하드웨어에서 편향되지 않고 지수적으로 수렴하는 결과를 실제로 생성할 수 있음을 보여줌으로써 강력한 오류 완화 기술로서의 잠재력을 검증했다는 점에 있습니다. 저자들은 샘플링 및 고전적 처리가 여전히 중요한 장애물이지만, 실험 결과는 노이즈율이 의사 임계값 이하로 유지된다면 QED 를 "메가쿼프 (Megaquop)" 규모 및 그 이상으로 확장하는 데 "강력한 가능성"을 보여준다고 단언합니다.

저자들은 방법의 즉각적인 실용성에 대해 겸손한 태도를 유지하며, 필요한 샘플링 자원의 막대한 증가로 인한 개선 사항을 정규화하지 않았음을 인정합니다. 그들은 향후 연구가 더 대규모의 응용 중심 실험을 가능하게 하기 위해 지수적인 샘플링 및 고전적 처리 오버헤드를 완화하는 데 초점을 맞춰야 한다고 주장합니다 (일반화된 부분 공간 확장 및 논리적 섀도 토모그래피와 같은 기법 인용). 이 연구는 QED 의 현재 최전선을 벤치마크로 삼아, 어디에서 성공하는지 그리고 어디서 오버헤드가 현재 원시 물리 실험보다 우월한 성능을 발휘하는 것을 방해하는지 매핑합니다.