Classically Augmented Zero-Noise Extrapolation

당신이 방 안에서 점점 더 커지는 정적(static) 소리 속에서 바이올린이 연주하는 희미한 선율을 들으려 한다고 상상해 보십시오. 당신은 방이 완벽하게 조용했을 때 그 바이올린이 정확히 어떤 소리를 냈는지 알고 싶습니다. 이것이 바로 양자 컴퓨터를 연구하는 과학자들이 직면한 과제입니다. 이 기계들은 믿기지 않을 정도로 강력하며, 오늘날의 슈퍼컴퓨터로는 불가능한 화학 및 재료 과학 분야의 문제들을 해결할 것을 약속합니다. 하지만 현재 이 기계들은 매우 "노이즈가 많습니다(noisy)." 즉, 계산이 끝나기도 전에 오류에 의해 계산값이 뒤섞여 버린다는 뜻입니다. 이를 해결하기 위해 과학자들은 "제로 노이즈 외삽법(Zero-Noise Extrapolation)"이라는 기술을 사용합니다. 이것은 마치 세 가지 다른 정적 볼륨에서 바이올린 소리를 듣고, 들리는 것을 기록한 뒤, 수학을 사용하여 정적이 완전히 사라졌을 때의 노래가 어떤 모습일지 추측하는 것과 같습니다.

이 수학적 기술의 문제는, 더 정확한 추측을 하기 위해 더 큰 정적 수준에서 들으려고 할수록, 당신의 기록 자체에 담긴 "정적"(측정을 통해 발생하는 통계적 노이즈)이 걷잡을 수 없이 커진다는 것입니다. 이는 마치 음악 소리가 커지는 와중에 속삭임을 듣기 위해 소리를 지르는 것과 같습니다. 당신이 더 크게 소리를 지를수록, 당신의 목소리는 더 떨리고 최종적인 추측치는 왜곡됩니다. "클래식하게 증강된 제로 노이즈 외삽법(Classically Augmented Zero-Noise Extrapolation)"이라는 제목의 이 논문은 영리한 하이브리드 솔루션을 제안합니다. 모든 테스트마다 음악 위로 소리를 지르는 대신, 연구자들은 매우 정교한 컴퓨터 시뮬레이션을 사용하여 실험의 가장 시끄럽고 혼란스러운 부분을 처리할 것을 제안합니다. 클래식 컴퓨터가 가장 노이즈가 심한 시나리오를 위한 힘든 일을 도맡게 함으로써, 양자 컴퓨터는 더 조용하고 중요한 부분에 집중할 수 있게 하여 훨씬 더 명확한 최종 답안을 얻어낼 수 있습니다.

문제점: 흔들리는 추측

양자 컴퓨터는 현재 흥미로운 일을 수행할 만큼 강력하지만, 완벽하게 신뢰하기에는 너무 오류가 많은 단계에 있습니다. 올바른 답을 얻기 위해 과학자들은 종종 동일한 계산을 수천 번 실행하고 그 결과를 평균 내야 합니다. 하지만 "제로 노이즈 외삽법(ZNE)" 방식을 사용하여 오류를 수정하려고 할 때, 그들은 벽에 부딪힙니다.

ZNE는 다양한 "노이즈"(오류) 수준에서 회로를 실행함으로써 작동합니다. 케이크 레시피가 있는데, 오븐이 고장 나서 무작위로 설탕을 추가한다고 상상해 보십시오. 완벽한 케이크를 알아내기 위해, 당신은 설탕을 10% 추가하고, 20% 추가하고, 30% 추가하여 케이크를 굽습니다. 당신은 맛을 본 뒤, 0%의 추가 설탕 상태에서 케이크가 어떤 맛일지 추측하기 위해 수학 공식(리처드슨 외삽법이라 불리는)을 사용합니다.

문제는 이 추측을 만드는 데 사용되는 수학 공식이 매우 민감하다는 점입니다. 만약 너무 많은 데이터 포인트(너무 많은 설탕 수준)를 사용하려고 하면, 당신의 맛보기 과정에서 발생하는 아주 작은 실수들("샘플링 분산")이 거대하고 흔들리는 추측치로 증폭됩니다. 이는 마치 일련의 흔들리는 점들을 통과하는 매끄러운 곡선을 그리려는 것과 같습니다. 만약 점들이 너무 많이 흔들린다면, 당신의 선은 삐쭉삐쭉한 엉망진창이 될 것입니다. 이로 인해 과학자들은 안정적인 수치를 얻기 위해 실험을 수백만 번 실행해야 하며, 이는 너무 많은 시간과 자원을 소모하게 만듭니다.

해결책: 하이브리드 팀워크

저자인 티몬 샤이버(Timon Scheiber)와 동료들은 **클래식하게 증강된 제로 노이즈 외삽법(CA-ZNE)**이라는 새로운 방법을 제안합니다. 그들의 아이디어는 팀을 나누는 것입니다. 노이즈가 섞인 양자 컴퓨터에게 모든 맛보기를 맡기는 대신, 클래식 컴퓨터(일반적인 강력한 슈퍼컴퓨터)에게 "극단적인" 노이즈 수준을 처리하도록 요청합니다.

여기서 비유가 어떻게 작동하는지 살펴보겠습니다:

• 양자 컴퓨터: 이것은 노이즈가 있는 방 안의 실제 바이올리니스트입니다. 낮은 노이즈 수준에서는 뛰어나지만, 정적이 너무 커지면 엉망이 됩니다.
• 클래식 컴퓨터: 이것은 완벽하고 조용한 녹음실입니다. 높은 노이즈 수준에서도 바이올린이 어떻게 들릴지를 정밀하게 시뮬레이션할 수 있지만, 한 가지 작은 단점이 있습니다. 그것은 노이즈에 대한 단순화된 모델에 의존하기 때문에, 실제와는 약간 다를 수 있는 "편향(bias)"을 가질 수 있습니다.
• 전략: 연구자들은 클래식 컴퓨터를 사용하여 가장 시끄럽고 혼란스러운 노이즈 수준을 시뮬레이션할 것을 제안합니다. 클래식 컴퓨터는 "정적"이 없기 때문에(수천 번의 무작위 측정을 할 필요가 없으므로), 그 결과는 샘플링 분산이 제로입니다. 따라서 클래식 컴퓨터는 견고한 닻 역할을 합니다. 양자 컴퓨터는 가장 정확한 구간인 낮은 노이즈 수준에서만 사용됩니다.

고노이즈 구간의 흔들리고 노이즈가 섞인 양자 측정값을 이러한 견고한 클래식 추정치로 교체함으로써, 팀은 최종 추측을 매끄럽게 만들 수 있습니다.

연구 결과

논문은 이러한 트레이드오프(절충)가 그만한 가치가 있는지 탐구합니다. 클래식 컴퓨터는 시뮬레이션이기 때문에 작은 예측 가능한 오류(편향)를 도입하지만, 측정을 통해 발생하는 거대하고 예측 불가능한 오류(분산)를 제거합니다.

실험에서 저자들은 두 가지 복잡한 모델인 횡방향 장 이징 모델(Transverse Field Ising model)(자기 재료 연구에 사용되는 모델)과 슈윙거 모델(Schwinger model)(입자 물리학 연구에 사용되는 모델)을 사용하여 이 과정을 시뮬레이션했습니다.

• 결과: 고노이즈 양자 노드를 클래식 노드로 교체했을 때, 최종 답변의 "노이즈"가 극적으로 감소했습니다. 선형 간격의 노이즈 수준을 사용하는 특정 설정에서, 그들은 아주 작은 편향 증가만으로 분산을 약 55.5% 감소시킬 수 있음을 발견했습니다.
• 평균 제곱 오차(MSE): 이는 편향과 분산을 결합하여 추측이 진리에 얼마나 가까운지를 알려주는 점수입니다. 시뮬레이션에서 표준 방식(ZNE)은 0.65의 MSE를 기록한 반면, 새로운 하이브리드 방식(CA-ZNE)은 이를 0.3으로 낮추었습니다. 이는 하이브리드 추측이 진리에 훨씬 더 가까웠음을 의미합니다.
• 스케일링(Scaling): 그들은 문제가 커짐에 따라 이것이 어떻게 작동하는지도 살펴보았습니다. 그들은 노이즈 수준을 배치하는 특정 방식(선형 간격)에 대해, 오류 감소가 **지수적(exponential)**으로 나타날 수 있음을 발견했습니다. 이는 계산에 더 많은 노드를 추가할수록 클래식 컴퓨터를 사용하는 이점이 엄청나게 빠르게 커져서, 잠재적으로 막대한 시간과 컴퓨팅 자원을 절약할 수 있음을 의미합니다.

주의사항 및 한계

저자들은 이것이 모든 것을 해결하는 마법의 지팡이가 아님을 분명히 밝히고 있습니다.

1. 편향의 트레이드오프: 클래식 시뮬레이션은 완벽하지 않습니다. 노이즈가 너무 높으면 클래식 컴퓨터의 모델이 너무 단순해질 수 있고, 이로 인해 "편향"(체계적 오류)이 너무 커져서 낮은 분산의 이점을 망칠 수 있습니다. 클래식 시뮬레이션이 노이즈가 섞인 양자 측정보다 더 나은 "교차점"이 존재하지만, 특정 한계를 넘어서면 시뮬레이션이 너무 부정확해집니다.
2. 양자 컴퓨터의 대체가 아님: 논문은 우리가 여전히 양자 컴퓨터를 필요로 한다고 주장합니다. 낮은 노이즈 수준에서 양자 컴퓨터는 클래식 컴퓨터가 효율적으로 시뮬레이션하기에는 너무 복잡한 것들을 측정할 수 있습니다. 하이브리드 접근 방식은 클래식 시뮬레이션이 쉬울 만큼 노이즈가 충분히 높으면서도, 양자 신호가 여전히 가시적인 "중간 지점"에서 가장 잘 작동합니다.
3. 시뮬레이션 vs 현실: 이러한 결과는 물리적 양자 장치에서 직접 수행된 것이 아니라, 수치 시뮬레이션(컴퓨터로 물리 현상을 모델링하여 실험을 실행함)을 통해 얻어진 것입니다. 수학적 원리와 시뮬레이션 결과는 유망하지만, 저자들은 실제 하드웨어가 노이즈 모델이 실제 기계와 얼마나 잘 일치하는지에 따라 다르게 작동할 수 있다고 언급했습니다.

거시적 관점

이 논문은 양자 컴퓨팅을 생각하는 새로운 방식을 제시합니다. 즉, 양자 컴퓨팅은 반드시 독무대일 필요가 없다는 것입니다. 극단적인 노이즈를 시뮬레이션하는 "헤비 리프팅(힘든 일)"을 클래식 컴퓨터가 담당하게 함으로써, 우리는 양자 컴퓨터의 작업을 더 쉽게 만들고 그 답을 더 신뢰할 수 있게 만들 수 있습니다. 이것은 클래식 컴퓨터와 양자 컴퓨터가 하나의 강력한 팀으로서 협력하여, 현재의 기술로는 도달할 수 없는 과학적 문제들을 해결하도록 돕는 미래를 향한 한 걸음입니다. 저자들은 얼마나 많은 부분을 클래식하게 시뮬레이션하고 얼마나 많은 부분을 양자로 측정할 것인지 사이의 완벽한 균형을 찾는 것이 이 기계들의 잠재력을 끌어올리는 핵심이라고 제안합니다.