Quantum CT via Dynamic Interval Encoding and Prior-Balanced QUBO Reconstruction

기술 요약: 동적 구간 인코딩 및 사전 확률 균형 QUBO 재구성을 통한 양자 CT

문제 정의
이차 무제약 이진 최적화(QUBO) 기반의 양자 컴퓨터 단층 촬영(CT)은 이미지 재구성을 양자 어닐링 또는 하이브리드 양자-고전 솔버로 해결 가능한 이진 이차 문제로 재구성한다. 그러나 그레이스케일 CT에서는 "이진 변수 예산(binary-variable budget)"이라는 결정적인 병목 현상이 존재한다.

• 고정된 전역 인코딩: 전통적인 방식은 모든 픽셀에 고정된 전역 비트 평면 인코딩을 할당한다. 회색조 정밀도(비트 깊이)가 증가함에 따라 이진 변수, 이차 결합(quadratic couplings) 및 계수 범위가 급격히 증가하여, 현재의 하드웨어로는 QUBO 인스턴스를 너무 크게 만든다.
• 저비트 인코딩: 반대로, 낮은 비트의 전역 인코딩을 사용하는 것은 상당한 양자화 오차를 유발하여, 연속적인 감쇠 계수와 그레이스케일 이미지 특유의 미세한 구조적 전이를 포착하는 데 실패한다.
  본 논문은 단일 QUBO 최적화 라운드에서 사용 가능한 이진 변수 예산과 그레이스계를 표현할 수 있는 표현력 사이의 균형을 맞출 필요성을 식별하였다.

방법론
저자들은 고정된 전역 인코딩 대신 **동적 구간 인코딩(Dynamic Interval Encoding)**과 **사전 확률 균형 최적화(Prior-Balanced Optimization)**를 결ari한 재구성 프레임워크를 제안한다. 이 과정은 반복적인 정밀화 라운드로 작동한다:

1. 동적 구간 인코딩:

   • 전역 코드북 대신, 각 활성 픽셀은 현재 추정치($c_p^{(t)}$)를 중심으로 하는 로컬 후보 세트를 사용하여 인코딩된다.
   • 로컬 탐색 구간 $[c_p^{(t)} - r_p^{(t)}, c_p^{(t)} + r_p^{(t)}]$ 내에서, 픽셀 값은 저비트(예: 2비트) 이진 벡터로 표현되어 4개의 이산적인 후보 값을 생성한다.
   • 이를 통해 시스템은 매 라운드마다 압축된 수의 변수를 사용하면서도, 반복적인 업데이트를 통해 높은 유효 해상도를 유지할 수 있다.

2. 경계 충돌 가이드 구간 업데이트 (Boundary-Hit-Guided Interval Update):

   • 이진 최적화를 수행한 후, 구간 중심은 디코딩된 픽셀 값으로 업데이트된다.
   • 구간 너비($r_p$)는 솔루션이 현재 로컬 구간의 경계에 닿았는지 여부에 따라 적응적으로 조정된다:
     • 경계 충돌 (Boundary Hit): 솔루션이 구간의 가장자리에 위치하는 경우, 이는 불충분한 커버리지를 시사한다. 이 경우 구간을 초기 탐색 너비($r_{init}$)로 리셋하여 탐색 범위를 확장한다.
     • 내부 충돌 (Interior Hit): 솔루션이 범위 내에 위치하는 경우, 로컬 정밀도를 높이기 위해 구간을 축소(shrink)한다.

3. 균형 잡힌 QUBO 구성:

   • 목적 함수는 데이터 충실도 항(투영 일관성)과 에지 보존 이차 사전 확률 항을 결합한다.
   • 안정성을 보장하기 위해, 이 방법은 최종 QUBO 행렬을 형성하기 전 데이터 항과 사전 항의 계수 스케일을 균형 있게 맞추기 위해 **백분위수 기반 정규화(percentile-based normalization)**를 사용한다. 이는 극단적인 계수가 최적화를 지배하는 것을 방지한다.
   • 사전 확률은 구조적 전이를 과도하게 억제하지 않으면서도 이를 보존하기 위해 참조 이미지에서 유도된 적응형 에지 가중치를 사용한다.

주요 기여

1. 동적 구간 인코딩: 저자들은 매 라운드당 비트 깊이를 늘리지 않고도 유효한 그레이스케일 표현력을 향상시키는 메커니즘을 도입했다. 로컬 구간을 여러 라운드에 걸쳐 업데이트함으로써, 이 방법은 고정된 전역 고비트 인코딩의 확장성 문제를 피한다.
2. 적응형 업데이트 메커니즘: 탐색 확장과 로컬 정밀화를 동적으로 전환하는 경계 충돌 가이드 규칙을 개발하여, 알고리즘이 지역 최솟값에 갇히거나 실제 솔루션 공간을 포괄하지 못하는 문제를 방지한다.
3. 사전 확률 균형 최적화: 투영 도메인의 데이터 일관성과 에지 보존 사전 확률을 통합하며, 두 경쟁하는 항의 결합 최적화를 안정화하기 위한 정규화 전략을 활용한다.
4. 하드웨어 검증: 본 공식은 D-Wave 하이브리드 이진 이차 모델(BQM) 솔버를 통해 검증되었으며, 하드웨어 기반의 하이브리드 양자-고전 백엔드에서 실행 가능함을 입증하였다.

실험 결과
본 방법은 32×32 이미지(및 확장성 테스트를 위한 72×72 팬 빔)를 사용하여 희소 뷰(9개 및 18개 뷰) 및 제한된 각도 팬 빔 CT 작업에 대해 평가되었다.

• 성능: 제안된 방법(시뮬레이티드 어닐링 및 D-Wave 하이브리드 변형 모두)은 해석적(FBP), 반복적(SART, CGN), 변분적(SART-TV, TV-PDHG) 및 표현 기반 베이스라인(Gaussian, Spener)보다 성능이 크게 우수했다.
  • 희소 뷰 실험에서, 하이브리드 변형은 가장 우수한 기존 베이스라인인 TV-PDHG(PSNR 33.55 dB, NRMSE 0.0217)와 비교하여 평균 PSNR 40.63 dB 및 NRMSE 0.0097을 달성했다.
  • 이 방법은 줄무늬 아티팩트(streak artifacts)와 잔류 오차를 줄이면서 구조와 그레이스케일 분포를 더 충실하게 복원했다.
• 표현력 분석: 비교 결과, 동적 2비트 인코딩은 2~5비트에 이르는 고정 전역 인코딩보다 우수한 성능을 보였다. 동적 접근 방식은 대표적인 테스트에서 51.88 dB의 PS생 PSNR을 달성한 반면, 고정 5비트 인코딩은 30.72 dB에 그쳐 로컬 구간 전략의 효율성을 입증했다.
• 절제 연구 (Ablation Studies): 에지 보존 사전 확률 또는 항 균형 메커니즘을 제거하면 구조적 연속성과 재구성 품질이 크게 저하되었으며, 이는 두 구성 요소의 필요성을 확인시켜 준다.
• 확장성: 본 방법은 로컬 및 하이브리드 솔버를 모두 사용하여 72×72 팬텀(4,460개 이진 변수)을 성공적으로 재구성했으나, 이미지 크기가 커짐에 따라 최적화 난이도가 증가했다.

의의 및 주장
본 논문은 제안된 프레임워크가 그레이스케일 QUBO CT 재구성의 근본적인 표현 병목 현상을 해결한다고 주장한다. 동적 로컬 인코딩을 통해 전역 비트 깊이 요구사항을 라운드당 변수 예산으로부터 분리함으로써, 이 방법은 현재의 양자 및 하이브리드 하드웨어에서 고충실도 그레이스케일 재구성을 가능하게 한다.

• 저자들은 성능 향상이 특정 솔버의 동작보다는 효과적인 그레이스케일 표현과 안정적인 데이터 충실도-사전 확률 결합에서 주로 기인한다는 점을 강조한다.
• 이 연구는 표현 설계가 양자 호환 CT 재구성에 있어 핵심적임을 보여주는 개념 증명(proof of concept) 역할을 한다.
• 논문은 이 방법이 더 큰 인스턴스(72×72)에서도 작동하지만, 대규모 QUBO CT 재구성은 여전히 이진 변수 및 비트 깊이 제약으로 인해 도전적인 과제로 남아 있음을 겸허히 언급하며, 이를 노이즈가 포함된 측정 데이터를 포함한 향후 연구의 핵심 방향으로 식별하였다.