Multi-level Random-Telegraph Noise Mitigation using a Single Spectator Qubit

당신이 테이블 위에서 끊임없이 흔들리는 테이블 위에서 팽이가 완벽하게 똑바로 서 있도록 유지하려고 노력하고 있다고 상상해 보십시오. 양자 컴퓨팅의 세계에서, 그 회전하는 팽이는 미래의 슈퍼컴퓨터의 아주 작은 구성 요소인 '큐비트(qubit)'입니다. 하지만 장난감 팽이와 달리, 큐비트는 믿을 수 없을 정도로 취약합니다. 주변 환경으로부터 오는 아주 작은 충격—예를 들어 떠다니는 원자나 변동하는 전기장 같은 것—도 큐비트를 쓰러뜨려 특별한 양자 정보를 잃게 만들 수 있습니다. 이러한 질서의 상실을 '결맞음 해제(decoherence)'라고 부르며, 이는 양자 기술의 가장 큰 적입니다.

이를 방지하기 위해 과학자들은 두 종류의 큐비트를 사용하는 영리한 속임수를 사용합니다. 첫 번째는 우리가 지키고자 하는 소중한 정보를 보유하는 '데이터 큐비트(Data Qubit, DQ)'입니다. 두 번째는 데이터 큐비트 바로 옆에 앉아 있는 용감하고 작은 조력자인 '스펙테이터 큐비트(Spectator Qubit, SQ)'입니다. 스펙테이터는 탄광의 카나리아나 폭풍 속의 풍향계와 같습니다. 그것은 매우 민려하여 흔들림과 노이즈에 민감하지만, 중요한 데이터를 직접 보유하지는 않습니다. 과학자들은 스펙테이터가 어떻게 흔들리는지를 관찰함으로써 노이즈가 무엇을 하고 있는지 추측할 수 있고, 데이터 큐비트를 직접 건드리지 않고도 데이터 큐비트를 안정적으로 유지하기 위한 대응책을 적용할 수 있습니다.

오랫동안 과학자들은 이 '카나리아' 방식이 노이즈를 단순히 "켜짐" 또는 "꺼짐" 사이에서만 전환되는 가벼운 스위치처럼 가정하며 연구해 왔습니다. 이를 '2상 무작위 과정(two-state random process)'이라고 합니다. 그러나 실제 세상은 결코 그렇게 단순하지 않습니다. 복잡한 현실 세계에서 노이즈는 종종 여러 설정이 있는 디머 스위치(밝기 조절 스위치)처럼 작동하거나, 심지어 수십 개의 다른 레벨을 통과하며 회전하는 다이얼처럼 작동합니다. "Multi-level Random-Telegraph Noise Mitigation using a Single Spectator Qubit"이라는 제목의 이 논문은 이 복잡한 현실을 다룹니다. 저자인 Yanan Liu와 동료들은 묻습니다. 만약 노이즈가 복잡한 다층적 혼란이라면, 우리의 작은 '카나리아'가 여전히 구원할 수 있을까요? 그들은 이 복잡성을 처리하기 위한 새로운 수학적 레시피와 스마트한 적응형 전략을 개발했습니다. 컴퓨터 시뮬레이션을 통해, 그들은 노이즈가 단 두 개의 레벨보다 훨씬 더 많은 레벨을 가지고 있음에도 불구하고 그들의 방법이 놀라울 정도로 잘 작동하여 혼돈을 억제한다는 것을 보여주었습니다. 이는 우리가 더 안정적인 실세계 양자 컴퓨터에 한 걸음 더 다가가는 것을 의미합니다.

소음이 가득한 방과 스마트한 카나리아 이야기

실험실로 들어가 봅시다. 데이터 큐비트가 완벽한 음을 연주하려고 노력하는 음악가라고 상상해 보세요. 문제는 방 안에 '노이즈'—음악가를 음정에서 벗어나게 만드는 보이지 않고 움찔거리는 유령들—가 가득하다는 것입니다. 과거에 과학자들은 이 유령들이 단순하다고 가정했습니다. 즉, 왼쪽이나 오른쪽으로 밀거나, 마치 2상 스위치처럼 움직인다고 생각했죠. 하지만 저자들은 현실 세계에서 이 유령들이 훨씬 더 혼란스러운 군중과 같다는 것을 깨달았습니다. 유령들은 왼쪽, 오른쪽, 위, 아래, 혹은 그 사이의 어느 곳으로든 밀 수 있으며, 여러 가지 '레벨'의 강도 사이를 오갑니다.

이를 해결하기 위해 팀은 '스펙테이터 큐비트'를 도입했습니다. 스펙테이터를 음악가 바로 옆에 놓인 초민감 마이크라고 생각해 보세요. 이 마이크는 군중의 모든 속삭임과 떨림을 듣습니다. 마이크는 매우 민감하기 때문에, 음악가보다 노이즈를 훨씬 더 명확하게 포착합니다. 목표는 마이크의 소리를 듣고, 군중이 정확히 무엇을 하고 있는지 파악한 다음, 노이즈가 노래를 망치기 전에 음악가를 다시 음정에 맞춰 부드럽게 밀어주는 것입니다.

옛날 방식 vs 새로운 도전

이전에 과학자들은 노이즈가 단순한 "왼쪽-오른쪽" 스위치일 때 사용할 수 있는 훌륭한 플레이북을 가지고 있었습니다. 그들은 마이크의 소리를 듣고 음악가를 조정하는 방법을 정확히 알고 있었습니다. 하지만 노이즈가 3개, 4개, 혹은 수십 개의 레벨을 가질 때, 기존의 플레이북은 무너집니다. 수학은 너무 복잡해지고, 단순한 규칙들은 더 이상 작동하지 않습니다. 이는 실제로는 천 개의 거리가 있는 도시를 단 두 개의 거리만 표시된 지도로 항해하려는 것과 같습니다.

이 논문의 저자들은 새로운 지도를 만들기로 결정했습니다. 그들은 어떤 수의 노이즈 레벨도 처리할 수 있는 일반적인 수학적 프레임워크를 구축했습니다. 그들은 노이즈를 $L$개의 서로 다른 레벨(여기서 $L$은 어떤 숫자든 될 수 있음) 사이를 뛰어다니는 과정으로 취급했습니다. 그들은 도움을 받지 않았을 때 음악가가 얼마나 음정을 잃을지 정확히 계산하는 법을 알아냈고, 그런 다음 마이크를 사용하여 이를 고치는 법을 알아냈습니다.

"스마트"한 전략: 휴리스틱 영웅

여기서 이야기는 정말 재미있어집니다. 팀은 단순히 정적인 계획을 원하는 것이 아니라, 스스로 생각할 수 있는 전략을 원했습니다. 그들은 '휴리스틱 적응형 프로토콜(heuristic adaptive protocol)'을 제안했습니다. 쉬운 말로 설명하자면, 이는 마이크를 제어하는 컴퓨터에게 스마트한 탐정이 되도록 가르친 것을 의미합니다.

탐정이 작동하는 방식은 다음과 같습니다:

1. 듣고 추측하기: 마이크가 노이즈를 확인할 때마다, 컴퓨터는 데이터를 보고 추측합니다: "좋아, 노이즈는 아마도 레벨 A에 있겠지만, 레벨 B에 있을 수도 있어."
2. 최선의 전투 선택하기: 그런 다음 컴퓨터는 묻습니다. "지금 가장 헷갈리는 두 레벨은 무엇인가?" 그리고 가장 가능성이 높은 두 명의 용의자를 고릅니다.
3. 완벽한 순간 기다리기: 컴퓨터는 마이크를 다시 확인하기 전까지 정확히 얼마나 기다려야 하는지 계산합니다. 만약 노이즈가 레벨 A에 있다면 마이크가 한 방향을 가리키고, 레벨 B에 있다면 정반대 방향을 가리키도록 딱 적당한 시간만큼 기다립니다. 이렇게 하면 두 상태를 구분하기가 매우 쉬워집니다.
4. 완벽한 각도: 그 정확한 순간에, 컴퓨터는 두 용의자를 완벽하게 구별할 수 있는 특정 각도로 마이크를 측정합니다.

이것은 경직된, 미리 정해진 일정이 아닙니다. 이는 측정 시간과 각도가 현재 노이즈가 무엇을 하고 있는지에 따라 변하는 역동적인 춤입니다. 저자들은 이것을 '휴리스틱' 접근 방식이라고 부르는데, 이는 모든 가능한 시나리오에 대해 수학적으로 완벽한 솔루션임을 증명하는 것은 매우 어렵지만, 실제 상황에서 매우 훌륭하게 작동하는 매우 스마트하고 실용적인 추측이기 때문입니다.

시뮬레이션 결과

아이디어를 테스트하기 위해 저자들은 컴퓨터 시뮬레이션을 실행했습니다. 그들은 물리적인 양자 컴퓨터를 만든 것이 아니라, 노이즈를 완벽하게 제어할 수 있는 가상 세계를 만들었습니다. 그들은 3단계 노이즈 시스템을 설정하고, 노이즘이 레벨 사이를 얼마나 빨리 이동하는지에 대한 특정 규칙을 부여했습니다.

그들은 세 가지를 비교했습니다:

1. 아무것도 하지 않음: 도움 없이 데이터 큐비트가 노이즈를 겪도록 내버려 둠.
2. 고정 설정: 무슨 일이 일어나든 상관없이 매번 동일한 시간과 각도로 마이크를 확인함.
3. 스마트 적응형 전략: 그들의 새로운, 생각하는 탐정 알고리즘을 사용함.

결과는 명확했습니다. 아무것도 하지 않았을 때, 데이터 큐비트는 매우 빠르게 결맞음을 잃었습니다. 고정 설정을 사용했을 때는 조금 나아졌지만 여전히 어려움을 겪었습니다. 하지만 휴리스틱 적응형 알고리즘을 사용했을 때, 결맞음 해제율이 극적으로 떨어졌습니다.

실제로 시뮬레이션 결과, 노이즈가 훨씬 더 복잡했음에도 불구하고(단순 2단계 대신 3단계), 스마트 전략은 가장 좋은 2단계 케이스의 전략들과 거의 비슷하게 오류를 억제했습니다. 저자들은 노이즈가 얼마나 나빠질 수 있는지에 대한 이론적 '상한선(upper bound, 최악의 경우 한계)'을 계산했으며, 그들의 스마트 전략은 그 한한계치보다 훨씬 낮은 수준에서 성능을 발휘했습니다. 데이터에 따르면, 특정 시뮬레이션 설정에서 오류율은 도움 없이 발생했을 때의 아주 작은 분율인 약 $9.5 \times 10^{-10}$ 수준으로 억제되었습니다.

이것이 왜 중요한가

이 논문은 이 접근 방식이 큰 진전임을 결론짓습니다. 이는 우리가 양자 컴퓨터를 작동시키기 위해 세상을 단순화할 필요가 없다는 것을 증명합니다. 우리는 현실 세계의 노이즈인 복잡한 다층적 현실을 다룰 수 있습니다. 실시간으로 측정을 조정하는 하나의 스마트한 '스펙테이터'를 사용함으로써, 환경이 혼란스러울 때에도 소중한 양자 정보를 보호할 수 있습니다.

저자들은 이것이 시뮬레이션이라는 점을 주의 깊게 언급합니다. 그들은 아직 실제 원자를 이용한 실험실에서 이를 구현하지 않았지만, 수학과 컴퓨터 모델은 이것이 작동할 것임을 시사합니다. 또한 잠재적인 문제점도 지적했습니다. 만약 마이크(스펙테이터)가 두 가지 다른 노이즈 레벨을 동일한 방식으로 영향을 주어 구분할 수 없다면, 전략이 혼란을 겪을 수 있습니다. 하지만 현재로서는, 이 연구는 양자 컴퓨터가 노이즈의 레벨이 몇 개이든 상관없이 이를 무시할 수 있는 미래로 가는 문을 열어줍니다. 그것은 한 번에 한 번의 스마트한 측정으로, 혼란스러운 폭풍을 관리 가능한 미풍으로 바꿉니다.