⚡ electrical engineering

Efficient Quantum Algorithm for Phase Optimization of 1-Bit RIS-Assisted MIMO Communication System

이 논문은 1비트 RIS 보조 MIMO 시스템의 조합적 위상 최적화 문제를 효율적으로 해결하기 위해 결정론적 선형 램프 스케줄을 갖는 양자 근사 최적화 알고리즘(QAOA-LR)을 제안하며, 시뮬레이션과 실제 IBM 양자 하드웨어 모두에서 근사 최적 용량 성능과 다항식 스케일링을 입증한다.

원저자: Soumyadip Paul, Neel Kanth Kundu

게시일 2026-07-17

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Soumyadip Paul, Neel Kanth Kundu

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

인터넷을 공중을 통해 흐르며 당신이 가장 좋아하는 노래, 영상, 메시지를 실어 나르는 거대하고 보이지 않는 데이터의 강이라고 상상해 보세요. 보통 이 강은 높은 건물이나 두꺼운 벽 같은 장애물에 부딪혀 신호가 흩어지거나, 약해지거나, 완전히 사라지기도 합니다. 수십 년 동안 엔지니어들은 더 크고 더 강력한 송신기를 구축하여 이를 해결하려 노력해 왔지만, 이는 엄청난 에너지를 소모하고 막대한 비용이 듭니다. 이때 등장한 영리하고 새로운 아이디어가 바로 지능형 반사 표면(Reconfigurable Intelligent Surface, RIS)입니다. RIS를 수천 개의 작고 똑똑한 타일로 만들어진 거대한 첨단 거울이라고 생각해 보세요. 이 타일들은 욕실 거울처럼 단순히 빛을 반사하는 것이 아니라, 부딪히는 라디오파를 비틀고 돌려 신호를 모퉁이 너머 당신의 기기로 직접 조종할 수 있습니다. 이는 마치 보이지 않는 지휘자 팀이 모든 사람이 음악을 완벽하게 들을 수 있도록 신호의 교향곡을 지휘하는 것과 같습니다.

하지만 이 거울들이 완벽하게 작동하도록 만드는 것은 거대한 퍼즐입니다. 각 작은 타일은 신호를 정확히 어떻게 비틀지 결정해야 합니다. 만약 타일들이 '1비트' 거울이라면, 이들에게는 매우 단순한 선택지가 있습니다. 신호를 한 방향으로 비틀거나 아니면 정반대 방향으로 비트는 것입니다. 타일이 몇 개 없을 때는 조합할 수 있는 방법이 많지 않습니다. 하지만 타일을 더 많이 추가할수록 가능한 조합의 수는 폭발적으로 늘어납니다. 이는 마치 수십억 개의 다이얼이 달린 금고의 완벽한 비밀번호를 찾는 것과 같습니다. 모든 옵션을 하나씩 일일이 확인하는 것은 우주의 나이보다 더 오래 걸릴 것입니다. 이것이 바로 과학자들이 고군분투해 온 '조합 최적화(combinatorial optimization)' 문제입니다. 그들은 모든 가능성을 일일이 확인하지 않고도 빠르게 최적의 배치를 찾아낼 방법을 찾아야 합니다.

여기서 새로운 논문이 등장하여 미래적인 도구를 제시합니다. 바로 양자 컴퓨터입니다. 저자인 수미아딥 폴(Soumyadip Paul)과 닐 칸트 쿤두(Neel Kanth Kundu)는 이 퍼즐을 풀기 위해 QAOA-LR라는 새로운 방법을 제안합니다. 전통적인 컴퓨터를 사용하여 느릿느릿 수학 계산을 수행하는 대신, 그들은 마치 '유도된 하이킹'처럼 작동하는 양자 알고리즘을 사용합니다. 안개가 자욱한 산골짜기에서 가장 낮은 지점(최적의 신호 배치)을 찾으려고 노력한다고 상상해 보세요. 일반적인 컴퓨터는 한 걸음을 내딛고 땅을 확인하고, 다시 한 걸음을 내딛는 과정을 수천 번 반복하며 지치거나 작은 웅덩이에 갇힐 수 있습니다. 저자들의 새로운 방법인 QAOA-LR는 매 단계마다 얼마나 가파르게 걸어야 하는지 알려주는 지도와 같습니다. 이 방법은 큰 탐색적 발걸음으로 시작하여 목표 지점에 가까워질수록 점차 작고 정밀해지는 단순한 규칙인 '선형 램프(linear ramp)'를 사용합니다.

연구진은 이 아이디어를 두 가지 방식으로 테스트했습니다. 첫째, 2x2 안테나 설정부터 최대 12개의 거울 타일이 있는 거대한 32x32 시스템에 이르기까지 모든 것을 모델링하여 강력한 클래식 컴퓨터에서 대규모 시뮬레이션을 실행했습니다. 그 결과, 그들의 '유도된 하이킹' 방식이 시스템이 커짐에 따라 절대적인 최적의 답과 거의 동일한 솔루션을 찾아냈음을 발견했습니다. 그다음, IBM의 실제 양자 컴퓨터를 사용하여 실전 테스트를 진행했습니다. 그들은 양자 기계가 최대 100개의 거-울 타일을 처리할 수 있도록 프로그래밍했습니다. 결과는 유망했습니다. 양자 접근 방식은 단순히 좋은 솔루션을 찾는 데 그치지 않고, 타일의 수가 증가함에 따라 전통적인 방식보다 훨씬 빠르게 결과를 냈습니다. 논문은 이 단계가 아직 초기 단계이며 현재의 양자 하드웨어가 '노이즈가 많다'(마치 잡음이 섞인 라디오와 같다)는 점을 언급하고 있지만, 이러한 속도와 정확도는 양자 기반의 접근 방식이 미래의 6G 네트워크의 게임 체인저가 되어, 가장 붐비고 복잡한 환경에서도 우리의 기기들이 연결 상태를 유지하도록 도울 수 있음을 시사합니다.

기술 요약: 1-비트 RIS 지원 MIMO 통신 시스템의 위상 최적화를 위한 효율적인 양자 알고리즘

문제 정의
본 논문은 재구성 가능한 지능형 표면(RIS) 지원 다중 입출력(MIMO) 통신 시스템의 위상 최적화 과제를 다룬다. 구체적으로, 각 반사 소자가 $0 $또는$ \pi$의 이진 위상 변화로 제한되는 "1-비트" RIS 구성에 초점을 맞춘다. 이러한 하드웨어 제약은 회로 복잡도와 제어 오버헤드를 줄여주지만, 최대 가능도(Maximum Likelihood, ML) 위상 최적화 문제를 $N$ 개의 소자를 가진 표면에 대해 $2^N$ 개의 후보 구성을 갖는 조합론적 과제로 변모시킨다. 이 문제는 Max-Cut 문제와 동일하며 NP-난해(NP-hard) 문제이므로, 대규모 $N$ 에 대해 전수 조사(exhaustive search)를 수행하는 것은 불가능하다. Semidefinite Programming(SDR)과 가우시안 무작위화(Gaussian randomization)를 사용하는 기존의 고전적 방식들은 최적에 가까운 해를 제공하지만, 계산 복잡도가 $O(N^{3.5})$ 로 증가하여 6G 배포에서 구상되는 대규모 표면에는 적용하기에 지나치게 무겁다. 더욱이, 표준 양자 근사 최적화 알고리즘(QAOA)과 같은 기존의 양자 접근 방식은 가변 파라미터를 튜닝하기 위해 고전적 외부 루프 최적화 도구에 의존하며, 이는 상당한 오버헤드와 반복적인 양자 회로 평가를 유발한다.

방법론
저자들은 QAOA-LR(결정론적 선형 램프 스케줄을 사용하는 양자 근사 최적화 알고리즘)이라 명명된 새로운 알고리즘을 제안한다. 방법론은 다음 단계로 진행된다:

문제 정식화: ML 용량 극대화 문제를 이싱 해밀토니안(Ising Hamiltonian)으로 매핑한다. 유효 채널 행렬의 프로베니우스 노름(Frobenius norm)을 극대화함으로써, 목적 함수를 이진 위상 변화를 나타내는 $x$ 에 대한 이차 형식 $f(x) = x^T R x + p^T x$ 로 축소한다. 이는 QAOA에 적합한 최소화 문제로 변환되며, 비용 해밀토니안 $H_C$ 는 쌍별 결합(pairwise couplings)과 단일 큐비트 바이어스(single-qubit biases)로부터 유도된다.
QAOA 회로 구축: 문제를 매개변수화된 양자 회로로 인코딩한다. 회로는 $p$ 개의 레이어에 걸쳐 비용 유니터리( $e^{-i\gamma_\ell H_C}$ )와 믹서 유니터리( $e^{-i\beta_\ell H_M}$ )를 교대로 수행한다. 비용 유니터리는 CNOT 및 $R_Z$ 게이트를 사용하여 이싱 상호작용을 처리하며, 믹서는 $R_X$ 회전을 사용한다.
선형 램프 스케줄 (QAOA-LR): $2p$ $2 p$ 개의 가변 파라미터( $\gamma$ $γ$ 및 $\beta$ $β$ )를 튜닝하기 위해 고전적 최적화 도구를 사용하는 대신, 저자들은 단열 양자 컴퓨팅에서 영감을 얻은 결정론적 선형 램프 스케줄을 사용하여 이 파라미터들을 고정한다. 파라미터는 다음과 같이 정의된다:
- $\gamma_k = \frac{k}{p} \Delta$
- $\beta_k = \left(1 - \frac{k-1}{p}\right) \Delta$
  여기서 $\Delta$ 는 단일 스케일 파라미터이다. 알고리즘은 기대 비용을 최소화하는 값을 찾기 위해 $\Delta$ 에 대한 단순한 1차원 그리드 탐색을 수행하며, 이를 통해 반복적인 고전적 최적화 루프를 제거한다.
디코딩: 최적의 이진 위상 벡터는 파울리- $Z$ 연산자의 기댓값( $\langle Z_n \rangle$ )을 측정하고 부호 함수(sign function)를 적용하여 디코딩된다.

주요 기여
본 논문은 세 가지 주요 기여를 한다:

이싱 매핑: 1-비트 RIS 지원 MIMO 용량 문제를 이싱 해밀토니안으로 정식화하였으며, 직접 경로 교차 결합(direct-path cross-coupling)에 의해 유도되는 쌍별 결합 및 단일 큐비트 바이어스 항을 명시적으로 포함하여 QAOA를 통한 구현이 가능하게 하였다.
QAOA-LR 알고리즘: 복잡한 반복적 고전 파라미터 최적화를 단일 스케일 파라미터에 대한 1차원 탐색만을 요구하는 고정된 선형 램프 스케줄로 대체하는 효율적인 QAOA 변형을 도입하였다. 이는 최적화 오버헤드를 크게 줄인다.
광범한 검증: 저자들은 $32 \times 32$ MIMO 구성 및 최대 $N=12$ 인 RIS 소자에 대해 광범한 몬테카를로 시뮬레이션을 수행하였다. 결정적으로, 이 접근 방식의 성능을 $N=100$ 까지의 실제 양자 하드웨어(IBM Quantum의 ibm_marrakesh 프로세서)에서 검증하고 고전적 베이스라인과 비교하였다.

결과

시뮬레이션 성능: 레이리 페이딩(Rayleigh-fading) 채널에 대한 몬테카를로 시뮬레이션 결과, QAOA-LR은 최적의 ML 솔루션을 밀접하게 추종함을 보여준다. 작은 RIS 크기( $N \le 2$ )의 경우, 모든 테스트된 MIMO 구성에서 ML 솔루션과 용량 성능이 정확히 일치한다. $N$ 이 12로 증가함에 따라 작은 안테나 어레이에서 약간의 성능 격차가 나타나지만, MIMO 크기가 커질수록 이 격차는 줄어든다. $32 \times 32$ MIMO의 경우, QAOA-LR은 ML 용량을 밀접하게 따른다.
하드웨어 실행: IBM 양자 프로세서에서의 실험은 QAOA-LR이 높은 용량(예: $N=12$ , $32 \times 32$ 시스템에서 68.2366 bits/s/Hz)을 전달하며, $N=100$ 까지 효과적으로 확장됨을 확인시켜 준다.
복잡도 및 확장성: 양자 처리 장치(QPU)에서의 실행 시간은 RIS 소자의 수( $N$ )에 따라 선형적으로 스케일링된다. 반면, Randomized Restart Local Search(RRLS) 및 SDR과 같은 고전적 베이스라인은 초선형(superlinear) 성장을 보인다. QAOA-LR의 복잡도는 $O(MpN) $(여기서$ M$은 그리드 크기)이며, 이는 표준 QAOA의 $O(d p N)$ ( $d$ 는 고전적 반복 횟수) 및 SDR의 $O(N^{3.5})$ 와 비교된다.
파라미터 민감도: 민감도 분석 결과, 알고리즘은 특정 스케일 파라미터( $\Delta = 1.0$ )에서 정점에 도달하며, 테스트된 그리드 전반에서 Adam으로 최적화된 QAOA보다 우수한 성능을 보였다. 이는 반복적인 최적화 없이 단순한 그리드 탐색만으로도 충분함을 확인해 준다.

의의
본 논문은 QAOA-LR이 RIS 시스템을 위한 게이트 기반 양자 최적화의 확장성 및 실용성의 핵심적인 간극을 해결한다고 주장한다. 반복적인 고전 파라미터 튜닝의 필요성을 제거함으로써, 이 접근 방식은 계산 오버헤드를 줄이고 노이즈가 있는 중간 규모 양자(NISQ) 하드웨어에 적합하도록 설계되었다. 결과는 양자 보조 기술이 실행 시간의 다항식 스케일링을 유지하면서 최적의 ML 용량 성능에 근접할 수 있음을 입증하며, 이는 미래 6G 네트워크를 위한 대규모 1-비트 RIS 구성을 최적화하는 데 있어 유망한 방향을 제시한다. 저자들은 향후 연구에서 이 프레임워크를 멀티 비트(multi-bit) RIS 위상 최적화로 확장할 것이라고 언급하였다.

유사한 논문