Quantum Resource Estimation for Minimising Energy Grid Losses

본 논문은 전력 손실 최소화를 위한 NP-난이도 분배망 재구성 문제를 고차 무제약 이진 최적화 (HUBO) 모델로 공식화하고, 이를 실제 중전압 네트워크에 적용하며, 향후 구현의 타당성을 평가하기 위해 양자 자원 추정을 수행함으로써 게이트 기반 양자 컴퓨팅 접근법을 제안한다.

핵심

거대한 도시의 도로 네트워크를 통제하는 교통 관제사라고 상상해 보세요. 당신의 목표는 교통 흐름을 원활하게 유지하면서 가능한 한 적은 연료를 사용하는 것입니다. 전기 세계에서는 이 '교통'이 전력의 흐름이며, '연료'는 전선이 통해 이동할 때 열로 손실되는 에너지입니다.

이 논문은 전력을 가장 적게 낭비하도록 전기 그리드의 스위치를 어떻게 재배치할지에 대한 매우 까다로운 퍼즐을 해결하려는 연구팀에 관한 것입니다.

일상적인 비유를 사용하여 그들의 작업을 간단히 설명해 보겠습니다.

문제: "불가능에 가까운" 퍼즐

전기 그리드는 거대하고 얽힌 도로망과 같습니다. 일부 도로 (전선) 는 열거나 닫을 수 있습니다 (스위치를 켜거나 끄는 것). 목표는 전기가 가장 효율적인 경로를 따르도록 열려 있고 닫혀 있는 스위치의 완벽한 패턴을 찾는 것입니다.

그러나 이 완벽한 패턴을 찾는 것은 매우 어렵습니다. 논문은 이를 NP-hard 문제라고 부릅니다. 마치 새로운 도시를 추가할 때마다 격자가 커지는 스도쿠 퍼즐을 풀려고 노력하는 것과 같습니다. 작은 동네에서는 사람이나 일반 컴퓨터가 이를 해결할 수 있습니다. 하지만 수백만 개의 연결이 있는 실제 도시의 경우, 가능한 조합의 수가 너무 방대하여 세계 최고의 슈퍼컴퓨터조차 최적의 해답을 찾는 데 우주의 나이보다 더 오랜 시간이 걸릴 것입니다.

새로운 아이디어: "고차원" 단축키

일반적으로 이러한 문제를 컴퓨터가 쉽게 풀 수 있도록 하기 위해 과학자들은 퍼즐을 단순한 2 차원 형태로 평평하게 만듭니다 (복잡한 3 차원 물체를 평평한 그림자로 바꾸는 것과 같습니다). 이 논문의 저자들은 다른 시도를 하기로 결정했습니다.

문제를 평평하게 만드는 대신, 그들은 그 자연스럽고 복잡한 3 차원 형태를 유지했습니다. 이를 HUBO(Higher-Order Unconstrained Binary Optimisation, 고차원 무제약 이진 최적화) 라고 부릅니다.

• 비유: 당신이 여행 가방을 꾸린다고 상상해 보세요. 옛 방식 (QUBO) 은 모든 물건을 작은 평평한 조각으로 잘라 상자 안에 넣도록 강요하므로 많은 시간과 공간이 소요됩니다. 새로운 방식 (HUBO) 은 물건을 있는 그대로 포장할 수 있게 하지만, 매우 구체적이고 똑똑한 여행 가방이 필요합니다.
• 이익: 문제를 자연스럽고 복잡한 형태로 유지함으로써 양자 컴퓨터에서 더 적은 '구성 요소'(큐비트라고 함) 를 사용하여 해결할 수 있습니다.

실험: 실제 도로에서의 테스트

연구자들은 단순히 이론만 다루지 않고, Alliander 라는 회사가 관리하는 네덜란드 아르헴의 실제 전기 그리드에서 이를 테스트했습니다.

• 그들은 거대한 그리드를 더 작고 관리 가능한 조각으로 나누었습니다 (한 번에 한 동네를 보는 것과 같습니다).
• 이 조각들을 위한 수학적 지도 (HUBO) 를 만들었습니다.
• 그런 다음 강력한 컴퓨터 시뮬레이션에 질문했습니다. "실제 양자 컴퓨터를 가진다면, 이를 해결하려면 얼마나 큰 컴퓨터가 필요할까요?"

결과: 크기는 크지만 불가능하지는 않음

시뮬레이션은 미래의 양자 컴퓨터에서 이를 실행하는 데 필요한 것을 예측한 '자원 추정치'를 제공했습니다.

1. 크기가 중요하지만 (하지만 형태가 더 중요합니다): 필요한 컴퓨터의 크기는 동네에 있는 집 (노드) 의 수에만 의존하지 않았습니다. 도로가 얼마나 연결되어 있는지에 크게 의존했습니다. 많은 루프와 교차 연결이 있는 동네는 집의 수가 같더라도 단순한 직선 형태의 동네보다 압도적으로 더 큰 컴퓨터가 필요했습니다.
2. 규모: 테스트한 가장 작은 동네의 경우, 양자 컴퓨터는 약 14 개의 '논리적' 큐비트 (컴퓨터의 뇌세포) 가 필요했습니다. 가장 큰 동네 (Arnhem-3) 의 경우 61,000 개 이상의 논리적 큐비트가 필요했습니다.
3. 시간: 만약 우리가 오늘 그 컴퓨터를 가지고 있다면, 큰 것들의 최악의 시나리오에서 계산의 단 한 단계만 실행하는 데도 긴 시간 (수백만 초) 이 걸릴 것입니다. 완전한 해결책은 그보다 훨씬 더 오래 걸릴 것입니다.

결론

이 논문은 오늘날 이러한 실제 도시 그리드를 해결할 만큼 강력한 양자 컴퓨터를 가지고 있지는 않지만, 수학은 작동한다고 결론 내립니다. 그들은 다음을 성공적으로 증명했습니다.

• 실제 세계의 전기 그리드 문제를 이 새로운 'HUBO' 언어로 번역할 수 있습니다.
• 이를 해결하기 위해 미래의 양자 컴퓨터가 얼마나 커야 하는지 정확히 추정할 수 있습니다.

미래에 대한 의미:
이것은 내일 그리드를 해결하는 마법의 지팡이가 아닙니다. 대신 그것은 청사진입니다. 이는 엔지니어들에게 "네덜란드 도시들의 에너지 손실을 수백만 유로 절약할 수 있는 양자 컴퓨터를 만들고 싶다면, 그 기계가 정확히 얼마나 크고 강력해야 하는지"라고 알려줍니다. 이는 이러한 기계들을 구축하고 결국 실시간으로 이러한 최적화를 실행할 수 있는 미래 작업을 위한 길을 닦습니다.

기술 요약

기술 요약: 에너지 그리드 손실 최소화를 위한 양자 자원 추정

문제 정의
배전망 재구성 (DNR) 은 스위치의 개폐를 통해 최적의 네트워크 토폴로지를 식별함으로써 전력 그리드의 전력 손실을 최소화하는 것을 목표로 합니다. 이 기능은 그리드 혼잡 완화와 탄소 배출 감소에 중요하지만, 최소 손실 구성을 결정하는 것은 NP-난제 (NP-hard problem) 입니다. 고전적 최적화 방법은 네덜란드의 Alliander 가 관리하는 중전압 (MV) 네트워크와 같이 방사형으로 운영되는 망형 인프라를 포함한 실제 배전 그리드의 조합적 복잡성으로 확장하는 데 어려움을 겪습니다.

방법론
저자들은 전력 손실 감소에 특히 초점을 맞춘 DNR 문제를 해결하기 위해 게이트 기반 양자 컴퓨팅 접근법을 제안합니다. 방법론은 세 가지 주요 단계로 구성됩니다:

1. HUBO 로서의 문제 공식화: 고차 제약을 처리하기 위해 보조 변수가 종종 필요한 이차 무제약 이진 최적화 (QUBO) 문제로 DNR 을 공식화한 이전 연구들과 달리, 본 연구는 문제를 직접 고차 무제약 이진 최적화 (HUBO) 문제로 모델링합니다.

   • 그래프 분해: 네트워크 그래프는 2-연결 성분으로 분해됩니다. 비자명한 성분 (사이클을 포함하는 성분) 은 사이클 구조를 보존하면서 노드 및 엣지 수를 줄이기 위해 엣지 리프팅을 통해 위상적 소수로 축소됩니다.
   • 제약 조건 모델링: 제약 조건 (정점, 엣지, 사이클, 경로, 함의) 은 HUBO 비용 함수 내에서 고차 페널티 항으로 명시적으로 모델링됩니다. 이는 QUBO 공식화에서 사용되는 제약의 암시적 변환을 피하고 보조 변수의 필요성을 제거하여 필요한 큐비트 수를 줄입니다.
   • 목적: 목적 함수는 방사형 및 연결성을 강제하는 페널티 항과 가중치를 두어 일정 전류 부하 근사 하에서 총 옴 손실을 최소화합니다.

2. 양자 알고리즘 매핑: HUBO 공식화는 양자 비용 연산자 ($U_{HUBO}$) 와 믹서 연산자 ($U_{mix}$) 로 매핑됩니다. 이러한 연산자는 양자 근사 최적화 알고리즘 (QAOA) 또는 편향장 디지털화 반단열 양자 최적화 (bf-DCQO) 와 같은 변분 양자 알고리즘에서 사용하도록 설계되었습니다. 이진 변수는 스핀 변수로 매핑되고 비용 함수는 파울리 해밀토니안으로 변환됩니다.

3. 양자 자원 추정 (QRE): 본 연구는 실제 하드웨어에서 문제를 해결하지 않고 미래의 실현 가능성을 평가하기 위해 자원 추정을 수행합니다. Microsoft Quantum Resource Estimator 를 사용하여 저자들은 하나의 최적화 레이어를 구현하는 데 필요한 논리 큐비트 수와 논리 회전 게이트 수를 계산합니다. 이러한 논리적 요구 사항은 표면 코드 오류 보정을 고려하여 게이트 기반 및 마요라나 큐비트 기술을 포함한 여섯 가지 다른 하드웨어 구성에 대해 물리적 자원 추정 (물리적 큐비트 및 실행 시간) 으로 변환됩니다.

주요 결과
본 연구는 벤치마크 IEEE-33 테스트 네트워크와 네덜란드 아르nhem 의 Alliander MV 네트워크에서 가져온 실제 2-연결 성분에 이 프레임워크를 적용합니다.

• 상호작용 항의 확장성: 결과는 HUBO 상호작용 항의 수가 네트워크 크기에 따라 조합적으로 증가함을 나타냅니다. 예를 들어, 작은 성분 (Arnhem-0) 은 42 개의 상호작용 항이 필요한 반면, 더 큰 성분 (309 개의 노드를 가진 Arnhem-3) 은 $4.08 \times 10^8$개 이상의 상호작용 항을 생성합니다.
• 구조적 의존성: 자원 요구 사항은 노드와 엣지 수뿐만 아니라 연결성과 순환성과 같은 구조적 특성에 의해 크게 결정됩니다. 더 높은 엣지 밀도를 가진 성분은 훨씬 더 많은 상호작용 항을 생성합니다.
• 자원 추정:
  • 논리적 자원: 가장 큰 성분 (Arnhem-3) 은 단일 최적화 레이어에 대해 약 61,172 개의 논리 큐비트와 거의 $5 \times 10^8$개의 논리 회전 게이트가 필요합니다.
  • 물리적 자원: 단일 레이어에 대한 추정 물리적 실행 시간은 하드웨어 구성 및 오류율에 따라 최대 $10^7$초까지 다양합니다. 저자들은 전체 최적화 파이프라인은 연산자의 여러 번의 적용을 필요로 하여 총 실행 시간을 $10^8$–$10^9$초까지 밀어낼 수 있다고 지적합니다.

의의 및 주장
본 논문은 세 가지 특정 영역에서 독창성을 주장합니다:

1. 직접 HUBO 공식화: 보조 변수 없이 DNR 문제를 직접 HUBO 로 제시하여 QUBO 축소보다 물리적 및 위상적 제약을 더 직접적으로 표현합니다.
2. 실제 적용: 합성 테스트 네트워크에만 의존하는 것이 아니라 주요 배전 시스템 운영자 (Alliander) 의 실제 중전압 네트워크 데이터에 이 공식을 적용합니다.
3. QRE 를 통한 실현 가능성 평가: 현재 능력과 실제 그리드 최적화 문제 해결에 필요한 요구 사항 사이의 격차를 결정하기 위한 엄격한 양자 자원 추정을 제공합니다.

저자들은 전체 규모 구현을 위한 자원 요구 사항이 현재는 prohibitive(부적절할 정도로 큰) 하지만, 이 작업은 실제 MV 네트워크에 대한 HUBO 공식화 및 양자 회로 구축의 실현 가능성을 보여준다고 결론지었습니다. 그들은 결과가 변분 매개변수를 효율적으로 관리하기 위한 개선된 양자 최적화 알고리즘 및 고전적 최적화기의 필요성을 강조한다고 강조합니다. 본 연구는 초기 평가로서, 향후 작업은 실제 전기 매개변수의 통합, 완전한 최적화 파이프라인의 개발, 그리고 분산 에너지원을 가진 스마트 그리드에서의 거의 실시간 재구성 가능성을 다루어야 함을 시사합니다.