Sample-efficient benchmarking of shallow all-to-all random quantum circuits

본 논문은 분석적 유도 및 수치 시뮬레이션을 바탕으로 잡음이 있는 얕은 전연결 무작위 양자 회로를 최첨단 고전적 위장 장치와 구별할 수 있는 샘플 효율적 벤치마크로서 비선형 교차 엔트로피와 무거운 출력 기반 이진 분류기를 소개합니다.

핵심

새로운 초고속 레이싱 카(양자 컴퓨터)가 시뮬레이터 속의 매우 영리한 인간 드라이버(고전 컴퓨터)보다 실제로 더 빠른지 증명하려고 한다고 상상해 보세요. 문제는 그 레이싱 카가 불안정한 엔진(노이즈)을 가지고 있으며, 시뮬레이터는 날로 더 똑똑해져서 때로는 실제 차량인 것처럼 우리를 속이기도 한다는 점입니다.

이 논문은 특히 "얕은" 레이스, 즉 차량이 완전히 혼란스러워질 시간이 없는 짧은, 빠른 회로를 위한 더 나은 경기 심판 방법을 찾는 것에 관한 것입니다. 저자들은 실제 양자 차량과 가짜 시뮬레이터를 구별하는 두 가지 새로운 방법을 제안합니다.

문제: "가짜" 점수

과거 과학자들은 양자 컴퓨터가 제 역할을 하는지 확인하기 위해 선형 교차 엔트로피라는 테스트를 사용했습니다. 이는 마치 선생님이 학생의 에세이를 채점하는 것과 같습니다. 에세이가 인간(양자 컴퓨터)이 쓴 것처럼 보이면, 선생님은 높은 점수를 줍니다.

하지만 최근 "사기꾼"(고전 알고리즘) 들이 실제로 처음부터 쓰기 힘든 작업을 하지 않았음에도 불구하고 인간이 쓴 것처럼 정확히 보이는 에세이를 쓰는 법을 배웠습니다. 그들은 테스트를 "사기"쳐서 실제 양자 컴퓨터가 아니더라도 높은 점수를 받을 수 있습니다. 이는 특히 짧고 얕은 회로의 경우 더욱 그렇습니다.

해결책 1: "딥 다이브" 테스트 (비선형 교차 엔트로피)

저자들은 비선형 교차 엔트로피라는 새로운 테스트를 제안합니다.

• 유추: 선형 테스트가 "문장을 썼나요?"라고 묻는 것이라면, 사기꾼은 쉽게 "네"라고 답하고 속일 수 있습니다. 비선형 테스트는 "문장을 쓰고, 왜 그 단어를 선택했는지, 그리고 입안에서 그 글자들이 어떤 느낌을 주는지 설명하라"고 묻는 것과 같습니다.
• 작동 원리: 이 테스트는 데이터의 "형태"를 훨씬 더 복잡한 방식으로 살펴봅니다. 저자들은 브라운 회로(개별 물 분자 대신 물의 흐름을 연구하는 것처럼 분석하기 쉬운 양자 회로의 "유체" 버전이라고 생각하세요) 라는 수학적 도구를 사용하여 다음을 증명했습니다:
  1. 실제 노이즈가 있는 양자 컴퓨터는 특정 "지문" 점수를 생성합니다.
  2. 이를 위조하려는 사기꾼은 완전히 다른 점수를 얻습니다.
  3. "불안정한 엔진"(노이즈) 이 있더라도 실제 컴퓨터의 점수는 충분히 뚜렷하여 차이를 보려면 수백만 번의 레이스를 실행할 필요가 없습니다. 소수의 샘플만으로도 충분합니다.

그들은 짧은 회로의 경우 이 테스트가 샘플 효율적임을 발견했습니다. 이는 확신을 얻기 위해 레이스를 수십억 번 실행할 필요가 없다는 뜻이며, 소수의 실행 횟수만으로도 실제 양자 컴퓨터와 사기꾼을 분리할 수 있다는 것입니다.

해결책 2: "헤비 히터" 탐지기 (이진 분류기)

두 번째 방법은 더 빠릅니다. 이는 **무거운 출력 생성 (HOG)**이라는 개념에 기반합니다.

• 유추: 로또 기계라고 상상해 보세요. 공정한 기계는 숫자를 완전히 무작위로 뽑습니다. 반면 양자 기계는 혼란스럽고 다른 숫자들보다 특정 "행운의" 숫자 (무거운 출력) 를 더 자주 뽑는 경향이 있으며, 다른 숫자들은 피합니다.
• 테스트: 저자들은 간단한 "예/아니오" 분류기를 만들었습니다.
  • 회로를 한 번 실행하여 결과를 얻습니다.
  • 확인합니다: "이 결과가 '무거운' 행운의 숫자 중 하나인가요?"
  • 답이 "예"라면 실제 양자 컴퓨터일 가능성이 높습니다. "아니오"라면 사기꾼일 가능성이 높습니다.
• 마법: 저자들은 이 방법으로 컴퓨터가 커짐에 따라 필요한 샘플 수가 매우 느리게 (로그적으로) 증가한다는 것을 증명했습니다.
  • 유추: 작은 컴퓨터를 가진다면 10 개의 샘플이 필요할 수 있습니다. 거대한 컴퓨터를 가진다면 20 개의 샘플만 필요할 수 있습니다. 컴퓨터가 커질 때마다 노력을 두 배로 늘릴 필요가 없으며, 아주 조금만 더 추가하면 됩니다. 이는 놀라울 정도로 효율적입니다.

그들이 어떻게 했는지 (비결)

이 아이디어들이 작동함을 증명하기 위해 저자들은 단순히 추측하지 않았습니다. 그들은 교묘한 수학적 트릭을 사용했습니다:

1. 유체 모델: 그들은 양자 회로를 "브라운" 유체로 모델링했습니다. 이를 통해 물리학 도구 (보통 자석이나 열을 연구할 때 사용됨) 를 사용하여 이러한 회로의 행동을 어떻게 설명하는지에 대한 정확한 공식을 계산할 수 있었습니다.
2. 레플리카 트릭: 그들은 평균 행동을 계산하기 위해 회로를 여러 번 병렬로 실행하는 것 (컴퓨터의 복제본을 가진 것처럼) 을 상상했습니다. 이는 실제 컴퓨터와 사기꾼의 점수가 어떻게 보일지 정확히 예측하는 데 도움이 되었습니다.
3. 검증: 그들은 또한 그들의 "유체" 수학이 실제 이산 양자 게이트에서 발생하는 것과 일치하는지 확인하기 위해 최대 40 개의 큐비트에 대한 컴퓨터 시뮬레이션을 실행했습니다.

결론

이 논문은 짧은, 얕은 양자 회로의 경우 다음을 주장합니다:

1. 비선형 교차 엔트로피는 컴퓨터가 완벽하지 않더라도 실제 노이즈가 있는 양자 컴퓨터와 고전 사기꾼을 구별할 수 있는 신뢰할 수 있는 테스트입니다.
2. 새로운 이진 분류기( "무거운 출력"에 기반) 는 구별을 위해 매우 적은 샘플만 필요로 하므로 훨씬 더 효율적입니다.

이는 과학자들에게 오류 수정이 필요하거나 회로가 매우 깊어질 때까지 기다릴 필요 없이 "양자 우위"(양자 컴퓨터가 고전 컴퓨터가 쉽게 위조할 수 없는 무언가를 수행한다는 것) 를 증명하는 새로운 견고한 방법을 제공합니다.

기술 요약

제목: 얕은 전-전 (all-to-all) 무작위 양자 회로의 샘플 효율적 벤치마킹

문제 제기
무작위 회로 샘플링 (RCS) 은 잡음이 있는 중규모 양자 (NISQ) 하드웨어에서 양자 우위를 입증하기 위한 주요 프레임워크입니다. 그러나 기존 벤치마크, 특히 선형 교차 엔트로피 벤치마크 (LXEB) 는 이상적인 출력 분포를 충실히 샘플링하지 않는 고전 알고리즘에 의한 '사기 (spoofing)'에 취약한 것으로 밝혀졌습니다. 이러한 취약성은 다음과 같은 중요한 질문을 제기합니다: 얕은 깊이의 무작위 회로 영역에서, 진정한 잡음이 있는 양자 하드웨어를 최첨단 고전적 사기꾼과 구별할 수 있는 샘플 효율적 벤치마크는 존재할까요? 얕은 무작위 회로의 샘플링은 일정 깊이 임계값을 넘으면 고전적으로 계산 불가능할 수 있다는 증거가 있지만, 현재로서는 이 영역에서 잡음이 있는 양자 컴퓨터와 적대적 고전적 사기꾼을 신뢰성 있게 구별할 수 있는 벤치마크는 존재하지 않습니다.

방법론
저자들은 전-전 (all-to-all) 브라운 무작위 회로 앙상블에 기반한 이론적 프레임워크를 사용합니다. 이산형 하르 (Haar) 무작위 회로와 달리, 브라운 회로는 가우스 백색 잡음 결합에 의해 지배되는 무작위 전-전 2-큐비트 상호작용으로 구성된 연속 시간 아날로그입니다. 이 모델은 RCS 를 위한 해석적으로 다루기 쉬운 '실험실' 역할을 합니다.

핵심 기술적 접근법은 다음과 같습니다:

1. 통계 역학 매핑: 저자들은 유니타리 행렬의 모멘트 (특히 $2k$개의 복사본 또는 레플리카) 의 앙상블 평균을 역온도 $\beta$가 회로 깊이에 비례하는 양자 통계 역학 문제로 매핑합니다. 이는 유효 다체 해밀토니안 $H^{(k)}_{\text{eff}}$를 도출합니다.
2. 대규모-$n$(평균장) 방법: 전-전 연결성을 활용하여 저자들은 $H^{(k)}_{\text{eff}}$의 스펙트럼을 풀기 위해 대규모-$n$(평균장) 기법을 적용합니다. 이를 통해 이산형 유니타리 회로에서는 notoriously 어렵기로 알려진 출력 확률 분포의 임의의 고차 모멘트를 정확하게 계산할 수 있습니다.
3. 레플리카 트릭: 교차 엔트로피에 필요한 확률 로그의 평균과 같은 비선형 양을 계산하기 위해 저자들은 레플리카 트릭을 사용합니다. 이는 정수 $k$에 대한 모멘트 $\langle q^k \rangle$를 계산한 후, 복소 평면으로 해석적 연속을 수행하고 $k$에 대해 미분한 다음 $k \to 0$ 극한을 취하는 과정을 포함합니다.
4. 잡음 모델링: 단일 큐비트 탈분극 잡음은 섭동 이론을 통해 모델에 통합되며, 여기서 잡음율 $\gamma$는 결합 강도 $J$에 비해 작은 매개변수로 취급됩니다.
5. 수치적 검증: 브라운 모델에서 유도된 해석적 결과는 하르 무작위 2-큐비트 게이트로 구성된 이산형 전-전 무작위 양자 회로 (최대 40 큐비트) 의 수치 시뮬레이션으로 검증됩니다.

주요 기여 및 결과

1. 샘플 효율적 벤치마크로서의 비선형 교차 엔트로피 (log XEB):
   본 논문은 회로 깊이, 시스템 크기 $n$, 그리고 잡음율 $\gamma$의 함수로서 앙상블 평균 비선형 교차 엔트로피 ($\log \text{XEB}$) 와 그 분산에 대한 정확한 해석적 표현식을 유도합니다.

   • 결과: 얕은 깊이 영역 ($\log n \gtrsim \beta J \gg 1$) 에서 $\log \text{XEB}$를 추정하기 위한 신호 대 잡음비는 시스템 크기에 대한 역다항식으로 스케일링됩니다.
   • 함의: 깊은 회로에서는 $\log \text{XEB}$ 추정에 지수적인 샘플이 필요한 것과 달리, 비선형 교차 엔트로피는 얕은 회로에 대해 샘플 효율적입니다. 이는 완벽한 정밀 샘플러 ($\gamma=0$), 잡음이 있는 양자 샘플러 ($\gamma > 0$), 그리고 '하버드' 사기 알고리즘 (limit $\gamma \to \infty$로 모델링됨) 사이에 엄격한 위계 관계를 수립하여 이를 신뢰성 있게 구별할 수 있게 합니다.

2. 무거운 출력 생성 (HOG) 이진 분류기:
   저자들은 무작위 양자 회로가 특정 '무거운' 비트열을 더 높은 확률로 생성하는 경향을 활용하는 '무거운 출력 생성 (HOG)' 개념에 기반한 새로운 이진 분류 프로토콜을 개발합니다.

   • 결과: 이 분류기는 짧은 깊이에서 로그arithmic 샘플 복잡도 ($m \sim \log n$) 를 특징으로 합니다. 이는 잡음이 있는 양자 샘플러와 고전적 사기꾼을 높은 확률로 구별하는 데 단지 하나의 비트열 샘플만 필요합니다.
   • 메커니즘: 이 분류기는 높은 점수를 선호하는 정밀 양자 샘플러와 낮은 점수를 선호하는 고전적 사기꾼의 점수 분포를 분리하는 결정 경계 (임계 점수 $z^*$) 를 활용합니다. 오분류 확률은 샘플 수에 따라 지수적으로 감소합니다.

3. 해석적 표현식:
   본 논문은 다음과 같은 폐쇄형 표현식을 제공합니다:

   • 평균 비선형 교차 엔트로피: $\log \text{XEB} = nH\left(\frac{1+a}{2}\right) + \gamma_e - e^{-n\beta\gamma}$ (여기서 $a = e^{-12\beta J}$이며 $H$는 이진 엔트로피입니다).
   • 비선형 교차 엔트로피의 분산으로, 회로 깊이가 교차점 ($c=1/2$) 아래인지 위인지에 따라 다른 스케일링 행동을 보입니다.

의의 및 주장
본 논문은 이전 벤치마크가 실패하거나 사기당했던 얕은 깊이 전-전 무작위 회로 영역에서 비선형 교차 엔트로피가 실현 가능한 샘플 효율적 벤치마크임을 입증한다고 주장합니다. 저자들은 이 지표가 탈분극 잡음이 존재함에도 불구하고 최첨단 고전적 사기꾼 (특히 하버드 알고리즘) 과 진정한 잡음이 있는 양자 하드웨어를 신뢰성 있게 구별할 수 있다고 논합니다.

또한, 제안된 HOG 기반 이진 분류기는 (평균 추정에 필요한) 다항식에서 로그arithmic 으로 샘플 복잡도를 줄여 최소한의 데이터로 양자 우위를 신속하게 검증할 수 있게 함으로써 실질적인 이점을 제공합니다.

저자들은 그들의 결과가 브라운 회로 앙상블을 사용하여 유도되었지만, 수치 시뮬레이션을 통해 이러한 발견이 이산형 전-전 무작위 회로에도 일반화된다는 것을 확인했다고 지적합니다. 그들은 이러한 벤치마크가 전-전 연결성을 가진 중성 원자 및 포획 이온 양자 컴퓨터와 같은 플랫폼의 향후 실험에 특히 관련될 수 있으며, 이러한 지표를 사용하여 논리적 무작위 회로 샘플링을 평가할 수 있다고 제안합니다. 본 논문은 다른 잠재적 사기 알고리즘에 대한 더 엄격한 분석은 향후 과제로 남겨두었다고 명시적으로 밝히고 있습니다.