A Scalable Approach to Solve the Carleman Linearized Burgers' Equation on a Quantum Computer

기술 요약: 양자 컴퓨터에서 카를레만 선형화된 버거스 방정식을 해결하기 위한 확장 가능한 접근 방식

문제 정의
양자 컴퓨터에서 유체 역학을 시뮬레이션하는 것은 근본적인 과제를 안고 있습니다. 양자 컴퓨터는 본질적으로 선형 기계인 반면, 유체 역학은 버거스 방정식과 같은 비선형 편미분 방정식(PDE)에 의해 지배됩니다. 이 간극을 메우기 위해, 카를레만 선형화 방법이 유한 차원 비선형 상미분 방정식(ODE)을 무한 차원 선형 ODE로 변환한 뒤, 이를 다시 유한 선형 시스템으로 절단(truncation)하는 데 사용됩니다. 그러나 이러한 시스템을 양자 하드웨어에서 해결하는 데는 두 가지 주요 장애물이 존재합니다:

1. 데이터 로딩 효율성: 결과로 나오는 선형 시스템 행렬은 공간 및 시간 이산화 지점 수에 따라 지수적으로 증가합니다. 표준 선형 결합 유니터리(LCU) 접근 방식이 열악한 스케일링을 보이는 상황에서, 오직 다항 로그(polylogarithmic) 수준의 클래식 자원만을 사용하여 이러한 행렬을 양자 하드웨어에 효율적으로 로딩하는 것은 쉽지 않습니다.
2. 최적화 장벽: 변분 양자 선형 솔버(VQLS)는 대규모 시스템을 처리할 수 있지만, 지수적으로 큰 탐색 공간과 무작위 초기화로 인해 경사 기반 최적화가 수렴하지 못하는 "바렌 플래토(barren plateau)" 현상에 취약합니다.

방법론
저자들은 주기적 경계 조건을 가진 1D 버거스 방정식을 통해 이러한 과제들을 해결하기 위한 종합적인 워크플로우를 제안합니다.

• 선형화 및 제로 패딩(Zero-Padding): 버거스 방정식은 이산화된 후 카를레만 선형화를 통해 선형 시스템 $L\vec{Y} = \vec{B}$로 변환됩니다. 효율적인 분해를 촉진하기 위해, 저자들은 시스템을 더 큰 차원의 공간에 임베딩하는 제로 패딩 전략을 채택합니다. 이를 통해 행렬을 특정 비유니터리 행렬들의 선형 결합으로 분해할 수 있으며, 이는 최소한의 오버헤드로 유니터리 행 matrices로 쉽게 인코딩될 수 있습니다.
• 효율적인 데이터 로딩 (LCNU): 표준 LCU 접근 방식 대신, 본 연구는 선형 결합 비유니터리(LCNU)를 활용합니다. 저자들은 선형 결합 항의 개수가 공간 및 시간 이산화 지점 수와 독립적인 카를레만 선형화된 행렬 분해를 도출했습니다. 구체적으로, 행렬은 $N_s = \frac{1}{2}(9\alpha^2 + \alpha + 8)$개의 항으로 분해되는데, 여기서 $\alpha$는 절단 차수입니다. 이 분해는 인크리멘터/디크리멘터(incrementer/decrementer) 회로와 특정 파울리 연산자 구조에 의존하며, 이를 통해 데이터 로딩 전략이 다항 로그 스케일로 유지되도록 보장합니다.
• 멀티그리딩을 이용한 변분 솔버: 선형 시스템은 VQLS를 사용하여 해결됩니다. 바렌 플래토 문제를 완화하기 위해 멀티그리딩 전략이 도입되었습니다. 문제는 거친(coarse) 공간 및 시간 이산화를 시작으로 일련의 단계로 해결됩니다. 이전 단계(더 거친 단계)의 해(변분 파라미터)는 다음 단계(더 미세한 단계)를 위한 "웜 스타트(warm start)"로 사용됩니다. 이러한 체계적인 초기화는 단순 무작위 초기화에 비해 수렴 속도를 크게 개선합니다.
• 샷 할당(Shot Allocation): 비용 함수 평가에 필요한 다양한 회로들에 총 샷 수를 배분하기 위해 효율적인 샷 할당 방법이 개발되었습니다. 비용 함수의 분산을 최소화함으로써, 더 큰 계수를 가진 항들에 더 많은 샷을 할당하여 가장 중요한 기여도에 대한 정확도를 최적화합니다.

주요 기여
본 논문은 다섯 가지 주요 기여를 설명합니다:

1. 개선된 데이터 로딩: 선형 결합 항의 개수가 이산화 그리드 크기와 독립적인 1D 카를레만 선형화된 버거스 방정식용 전략.
2. 멀티그리딩 전략: 바렌 플래토를 피하기 위해 체계적인 웜 스타트를 제공하는 공간 및 시간 멀티그리딩 접근 방식.
3. 샷 할당: 고정된 계산 예산 내에서 정확도를 극대화하기 위해 계수 크기에 따라 샷을 배분하는 방법.
4. 개념 증명: 양자 시뮬레이터와 실제 양자 하드웨어(IBM Heron r3 및 Nighthawk 프로세서) 모두에서 워크플로우를 입증.
5. 자원 추정: $2^{40}$개의 결합된 공간 및 시간 지점까지 트랜스파일링(transpiling)하는 리소스 추정을 통해, 제안된 방법론이 향후 하드웨어에서 효율적으로 확장 가능함을 시사.

결과

• 시뮬레이션: 양자 시뮬레이터에서 멀티그리딩 접근 방식은 비용 함수를 약 $10^{-3}$까지 수렴시킨 반면, 무작위 초기화를 사용한 단순 접근 방식은 $10^{-2}$에 그쳤습니다. 멀티그리딩 솔루션은 필수적인 물리 현상(파동 감쇠 및 비선형 이류)을 성공적으로 포착한 반면, 단순 접근 방식은 과도한 감쇠를 보이며 비선형 수송을 포착하는 데 실패했습니다.
• 실제 하드웨어: 워크플로우는 단일 최적화 반복 단계($2^3$ 공간, $2^2$ 시간 지점)에 대해 IBM 양자 프로세서(ibm_pittsburgh, ibm_boston, ibm_miami)에서 실행되었습니다.
  • Nighthawk 프로세서(정사각형 격자)는 임베딩 회로에 대해 Heron r3(heavy-hex 격자)보다 더 얕은 회로 깊이를 나타냈습니다.
  • ibm_boston에서 에러 완화(resilience level 2)를 적용한 Estimator 프리미티브를 사용했을 때, 비용 함수 변수의 2-노름(2-norm) 오차는 0.27로 감소한 반면, 완화되지 않은 Sampler 실행 시에는 오차가 1.33에서 2.92 사이로 나타났습니다.
  • 본 연구는 현재의 노이즈 수준에도 불구하고 소규모 인스턴스에 대해 정확한 해를 얻는 것이 가능하다는 것을 확인했습니다.
• 확장성: 리소스 추정 결과, 향후 결맞음 시간(coherence time)과 게이트 충실도(gate fidelity)가 개선된다면, 제안된 방법론은 약 $O(10^2)$개의 큐비트와 전용 시스템에서 $O(10^2)$시간의 실행 시간 내에 지수적으로 큰 이산화 지점(예: $2^{40}$ 지점)을 가진 문제에 대해 양자 우위를 달 Achieve 할 수 있음을 시사합니다.

의의 및 주장
본 논문은 현재의 계산 한계 내에서 잘 작동하며, 비선 nonlinear PDE를 해결하기 위한 실행 가능한 워크플로우를 제시한다고 주장합니다. 저자들은 하드웨어 제약이 완화되면 지수적인 수의 공간 및 시간 이산화 지점으로 확장할 수 있는 경로를 보여주는 방법론임을 강조합니다.

저자들은 미래의 영향에 대해 몇 가지 주의 사항을 명시하며 신중한 어조를 유지합니다:

• 현재의 절단 차수($\alpha=2$)는 최소 요구 사항이며, 더 복잡한 흐름(난류)에 필요한 더 높은 차수는 오차율의 발산이나 시스템 크기의 지수적 증가를 초래할 수 있습니다.
• 대규모 시스템에 대한 카를레만 선형화된 행렬의 불량한 컨디셔닝(poor conditioning)은 아마도 양자 프리컨디셔닝(quantum preconditioning)을 필요로 할 것이며, 이는 진행 중인 연구 분야입니다.
• 지수적으로 큰 시스템에 대한 멀티그리딩 방법의 효능은 현재의 하드웨어 노이즈 제한으로 인해 아직 경험적으로 입증되지 않았습니다.
• 초기 조건에 대한 상태 준비(state preparation)와 최종 솔루션의 효율적인 판독(readout)은 여전히 중요한 과제로 남아 있습니다.

궁극적으로, 이 연구는 효율적인 데이터 로딩, 변분 최적화 전략, 그리고 에러 완화를 결មាន하여 비선형 유체 역학 문제를 해결하는 개념 증명 역할을 하며, 하드웨어 제약이 해소되면 양자 우위가 이론적으로 가능하다는 것을 시사합니다.