Solution of the Equation-of-Motion Phonon Method eigenvalue problems on the D-Wave quantum annealer

이 논문은 D-Wave 양자 하드웨어에서 운동 방정식 포논 방법(Equation-of-Motion Phonon Method)으로부터 대규모 고유값 문제를 반복적으로 해결하기 위해 양자 어닐링과 고전적 디플레이션(classical deflation)을 결합한 하이브리드 양자-고전 알고리즘을 제시하며, 핵 다체 이론을 위한 근미래 양자 장치의 잠재력과 현재의 한계를 모두 입증한다.

핵심

당신이 엄청나게 거대하고 복잡한 퍼즐을 풀려고 노력하고 있다고 상상해 보세요. 핵물리학의 세계에서 이 퍼즐은 원자핵 내부에서 양성자와 중성자(핵자)가 어떻게 행동하는지를 밝혀내는 것입니다. 이 퍼즐의 "조각들"은 **해밀토니안 행렬(Hamiltonian matrix)**이라는 거대한 수학적 격자에 배치되어 있습니다. 핵이 커질수록 조각들은 더 많아지며, 이 격자는 너무 거대해져서 세계에서 가장 빠른 슈퍼컴퓨터조차 합리적인 시간 내에 모든 해답(고윳값과 고유벡터)을 찾아내는 데 어려움을 겪습니다.

이 논문은 이 퍼즐을 풀기 위한 새로운 방법을 제시하며, 고전 컴퓨터와 특수한 형태의 양자 컴퓨터인 양자 어닐러(quantum annealer)(구체적으로는 D-Wave 머신)를 결합하는 방식을 소개합니다.

다음은 이들의 접근 방식을 쉬운 비유를 사용하여 설명한 것입니다.

1. 문제: 해답들이 모여 있는 산맥

원자의 에너지 상태를 광활하고 안개가 자욱한 산맥이라고 생각해 보세요.

• 목표: 당신은 가장 낮은 골짜기(바닥 상태)를 찾고, 그다음으로 다른 모든 골짜기와 봉우리들(들뜬 상태)을 순서대로 찾아야 합니다.
• 기존 방식 (고전 컴퓨터): 전통적인 알고리즘은 마치 한 걸 한 걸 매우 신중하게 확인하며 나아가는 등산객과 같습니다. 이들은 유능하지만, 산맥이 거대해지면 등산객은 지치거나 시간이 부족해지거나, 혹은 단순히 낮은 웅덩이에 빠져 그곳이 바닥이라고 착각하며 갇혀버릴 수 있습니다.
• 양자 방식 (양자 어닐링): 양자 어닐러는 마치 안개 속을 통해 전체 산맥의 형상을 즉각적으로 "느낄" 수 있는 마법 같은 안개와 같습니다. 양자 어닐러는 인간보다 훨씬 빠르게 낮은 지점들을 찾아내기 위해 안개를 뚫고 지나갈 수 있는 등산객입니다.

2. 전략: 퍼즐을 이진 게임으로 바꾸기

양자 어닐러는 복잡한 수학 방정식을 직접 이해하지 못합니다. 대신 이들은 0과 1(마치 전등 스위치가 꺼지거나 켜지는 것과 같은)이라는 더 단순한 언어를 사용합니다.

• 번역 (QUBO): 저자들은 복잡한 핵물리학 방정식을 "이차 무제약 이진 최적화(Quadratic Unconstrained Binary Optimization, QUBO)" 문제로 번역해야 했습니다. 이것은 복잡한 레시피를 "켜기/끄기" 스위치로 된 간단한 체크리스트로 변환하는 것과 같습니다. 그러면 양자 머신은 가장 좋은(가장 낮은 에너지) 결과를 주는 최적의 스위치 조합을 찾기 위해 다양한 조합을 시도합니다.

3. 혁신: 양파 껍질 까기 (Deflation)

양자 어닐러의 가장 큰 과제는 현재 단 하나의 해답(절대적인 최저점)을 찾는 데 가장 뛰어나다는 점입니다. 하지만 과학자들에게는 첫 번째 해답뿐만 아니라 전체 해답 목록이 필요합니다.

• 해결책: 저자들은 "하이브리드" 방법을 고안했습니다.
  1. 1단계: 양자 어닐러를 사용하여 첫 번째 해답(가장 낮은 에너지)을 찾습니다.
  2. 2단계: 고전 컴퓨터를 사용하여 "디플레이션(deflation, 결손 처리)"을 수행합니다. 산맥에서 가장 낮은 골짜기를 찾았다고 상상해 보세요. 그다음으로 낮은 골짜기를 찾기 위해서, 등산객이 다시 돌아가지 못하도록 첫 번째 골짜기를 콘크리트로 임시로 채워 넣는 것입니다.
  3. 3단계: "채워진" 지도를 다시 양자 어닐러로 보내 다음으로 낮은 지점을 찾습니다.
  4. 반복: 전체 스펙트럼의 해답을 찾을 때까지 양파 껍질을 한 겹씩 벗겨내듯 이 과정을 반복합니다.

4. 결과: 속도와 정확도

연구팀은 이 방법을 실제 양자 컴퓨터(D-Wave Advantage)에서 테스트하고, 표준적인 고전 시뮬레이션(Simulated Annealing)과 비교했습니다.

• 경주: 그들은 서로 다른 크기의 퍼즐을 해결하기 위해 "양자 등산객"과 "고전 등산객" 사이의 경주를 설정했습니다.
• 결과:
  • 작은 규모의 퍼즐에서는 두 방식 모두 괜찮았습니다.
  • 더 크고 복잡한 퍼즐의 경우, 양자 등산객이 현저히 빨랐습니다. 어떤 경우에는 고전 방식이 정답에 근접하는 데 수백 단계를 거쳐야 했던 반면, 양자 방식은 단 몇십 단계 만에 도달했습니다.
  • 양자 방식은 훨씬 더 빠르게 높은 수준의 정밀도(정확도)에 도달했습니다.

5. 주의점: 모든 도구가 모든 작업에 적합한 것은 아니다

논문은 골짜기를 "채우는" 세 가지 서로 다른 방식(디플레이션 기법)을 테스트했습니다.

• Hotelling 및 Orthogonal Projection: 이 방식들은 잘 작동했습니다. 수학적 오류를 일으키지 않으면서 양자 머신이 다음 해답을 찾도록 성공적으로 도왔습니다.
• Householder: 이 방식은 단순한 퍼즐에는 훌륭하게 작동했지만, 퍼즐이 복잡해지면(특히 "일반화된" 고윳값 문제의 경우) 무너지기 시작했습니다. 이는 마치 시계를 고치기 위해 대형 망치를 사용하는 것과 같았습니다. 큰 그림은 잡아냈지만, 이후 단계에서 정확도를 떨어뜨리는 오류를 발생시켰습니다.

요약

이 논문은 양자 물리학을 영원히 해결했다고 주장하는 것이 아닙니다. 대신, 근미래의 양자 컴퓨터(현재 우리가 가진, 노이즈가 있고 불완전한 형태의 양자 컴퓨터)가 유용한 파트너가 될 수 있음을 증명합니다. 최선의 답을 찾는 양자 어닐링의 속도와 검색 과정을 조직화하는 고전 컴퓨터의 신뢰성을 결합함으로써, 그들은 이 특정하고 거대한 핵 퍼즐들에 대해 고전 컴퓨터만을 사용할 때보다 더 빠르고 정확한 방법을 만들어냈습니다.

이는 완벽하고 오류 없는 양자 컴퓨터가 갖춰지기 전이라도, 우리가 실제 물리 문제를 해결하기 위해 양자 머신을 사용하는 단계에 가까워지고 있음을 보여주는 개념 증명(proof-of-concept)입니다.

기술 요약

기술 요약: D-Wave 양자 어닐러를 이용한 방정식-운동 포논 방법(Equation-of-Motion Phonon Method) 고유값 문제의 해법

문제 정의
핵 다체 문제(nuclear many-body problem)는 핵자의 수에 따라 지수 함수적으로 증가하는 해밀토니안 행렬의 고유값 방정식을 푸는 것을 포함하며, 이는 종종 정확한 대각화(exact diagonalization)가 계산적으로 불가능한 차원에 도달한다. 란초스(Lanczos)나 데이비드슨(Davidson)과 같은 고전적 반복법은 희소성(sparsity)을 활용하지만, 대규모 계산에서 저장 공간의 병목 현상에 직면한다. 양자 컴퓨팅은 잠재적인 대안을 제공하지만, 양자 위상 추정(QPE) 알고리즘은 이론적으로는 강력하나 현재는 가용하지 않은 결함 허용(fault-tolerant) 하드웨어를 필요로 한다. 따라서, 근미래의 잡음이 있는 중간 규모 양자(NISQ) 장치에서 대규모 고유값 문제를 해결할 수 있는 실질적인 전략이 필요하다. 구체적으로, 본 연구는 핵 구조 이론의 방정식-운동 포논 방법(EMPM)에서 발생하는 표준(SEVP) 및 일반화된(GEVP) 고유값 문제 모두에 대해 전체 고유 스펙트럼(단순 바닥 상태만이 아닌)을 계산하는 과제를 다룬다.

방법론
저자들은 양자 어닐링과 고전적 행렬 소거(matrix deflation) 기법을 통합한 하이브리드 양자-고전 알고리즘을 제안한다. 핵심 방법론은 세 가지 구성 요소로 이루어진다:

1. QUBO 정식화: 레이리 몫(Rayleigh quotient)의 연속 최적화를 이산화하고 이를 이차 무제약 이진 최적화(QUBO) 문제로 매핑한다. 고유벡터 성분을 나타내는 실수 변수는 특정 정밀도 벡터를 가진 이진 벡터를 사용하여 근사된다. 이를 통해 고유값 문제를 양자 어닐러 상에서 결과적인 이차 형식의 전역 최솟값(또는 최대 크기)을 찾는 문제로 해결할 수 있다.
2. 반복적 하강 및 초기 추측: 알고리즘은 두 단계 접근 방식을 채택한다. 첫째, 이동된(shifted) QUBO 문제를 풀어 초기 추측 고유벡터를 생성한다. 둘째, 반복적 하강 단계에서는 QUBO로 인코딩된 목적 함수의 국소 이차 근사(기울기와 헤시안 포함)를 최소화하여 솔루션을 정밀하게 다듬는다. 정밀도를 높이기 위해 이산화 그리드는 점진적으로 축소된다.
3. 전체 스펙트럼을 위한 행렬 소거: 단일 우세 고유쌍만을 추출하는 것이 아니라 전체 고유 스펙트럼을 추출하기 위해, 저자들은 순차적 소거 전략을 구현한다. 양자 어닐러가 하나의 고유쌍을 식별하면, 고전적 소거 기법을 해밀토니안 행렬에 적용하여 발견된 상태의 영향을 "벗겨내어", 다음 반복이 차순위 고유상태를 목표로 할 수 있도록 한다. 세 가지 소거 방법이 평가되었다:
   • 호텔링 소거(Hotelling Deflation): 감산적 방법 ($A' = A - \lambda vv^T$).
   • 직교 투영(Orthogonal Projection): 발견된 고유벡터들에 직교하는 부분 공간으로 행렬을 투영하는 감산적 방법.
   • 하우스홀더 소거(Householder Deflation): 행렬을 변환하기 위해 하우스홀더 반사를 사용하는 직교화 기반 방법.

일반화된 고유값 문제(GEVP)의 경우, 레이리 몫은 메트릭 행렬 $B$를 포함하도록 수정되며, 소거 단계는 가능한 경우 $B$-내적 구조를 보존하도록 조정된다.

주요 결과
본 방법은 $^4$He 핵의 EMPM 계산에서 유도된 해밀토안 행렬을 바탕으로 D-Wave Advantage System 6.4 (5,614 큐비트)와 비교 대상인 고전적 시뮬레이티드 어닐링(SA)을 사용하여 벤치마킹되었다.

• 바닥 상태 성능: 양자 어닐링(QA)은 SA에 비해 우수한 수렴성을 보여주었다. 더 큰 행렬 차원(예: $d=25$)과 높은 비트 해상도($b=4$)에서, QA는 약 20~30회의 반복만으로 기계 정밀도($10^{-8}$)에 도달한 반면, SA는 훨씬 더 많은 반복(최대 1,200회)이 필요하거나 동일한 정확도에 도달하는 데 실패했다. 성능 격차는 행렬 크기가 커질수록 확대되었다.
• 전체 스펙트럼 및 소거:
  • SEVP: 세 가지 소거 방법(Hotelling, Orthogonal Projection, Householder) 모두 높은 정확도로 전체 고유 스펙트럼을 성공적으로 복구하였다 ($b=2$에서 13자리, $b=4$에서 8자리까지). 하우스홀더 소거는 활성 부행렬(submatrix)의 크기를 줄이는 전략 덕분에 실행 시간 측면에서 가장 효율적이었다.
  • GEVP: Hotelling과 Orthogonal Projection 방법은 정확도를 유지했으나, Householder 소거는 GEVP에서 불안정한 것으로 나타났다. 하우스홀더 변환의 반복적인 적용은 메트릭 행렬 $B$의 대칭성을 왜곡하고 반올림 오차를 증폭시켜, 수치적 악화와 인접한 고유값들에 대한 수렴 실패를 초래했다.

의의 및 주장
본 논문은 핵 구조 계산을 위해 근미래 양자 하드웨어를 활용하는 실질적인 전략을 제공한다고 주장한다. 주요 의의는 하이브리드 QUBO 기반 프레임워크가 고전적 소거와 결합하여, 현재의 변분 양자 알고리즘들이 흔히 갖는 바닥 상태 중심의 한계를 넘어 실제적인 핵 해밀토니안의 전체 고유 스펙트럼을 체계적으로 재구성할 수 있음을 입증했다는 데 있다.

저자들은 이 접근 방식이 고유값 문제를 기존 어닐러로 해결 가능한 QUBO 형식으로 재구성함으로써, 양자 알고리즘과 잡음이 있는 하드웨어 사이의 간극을 성공적으로 메웠음을 강조한다. 비록 현재의 큐비트 수와 연결성에 의해 규모가 제한되어 연구 범위가 다소 작지만, 본 연구는 스펙트럼 추정을 위한 양자 어닐링의 생존 가능성을 확립한다. 이 작업은 향-전체 양자 어닐링 기반 스펙트럼 솔버를 목표로, 소거 단계 자체를 QUBO 문제로 인코딩함으로써 고전적 오버헤드를 더욱 줄일 수 있는 가능성을 제시한다.