🔬 atomic physics

Resource-efficient quantum-selected configuration interaction for molecular properties

이 논문은 최대 20개의 큐비트를 가진 노이즈가 있는 중간 규모 양자 장치에서 IIIA족 모노플루오라이드의 바닥 상태 에너지 및 쌍극자 모멘트와 같은 분자 특성을 정확하게 계산할 수 있도록, 회로 복잡성을 크게 줄이기 위해 컴팩트한 해밀토니안을 구축하는 자원 효율적인 양자 선택 구성 상호작용 프레임워크를 제안한다.

원저자: Suprava Sahoo, Abdul Kalam, Kenji Sugisaki, V. S. Prasannaa, B. P. Das

게시일 2026-07-31

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Suprava Sahoo, Abdul Kalam, Kenji Sugisaki, V. S. Prasannaa, B. P. Das

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

거대한 우주적 직소 퍼즐을 맞춘다고 상상해 보십시오. 모든 조각은 눈에 보이지 않는 아주 작은 에너지 입자이며, 당신이 완성하려는 그림은 하나의 분자가 어떻게 행동하는가 하는 것입니다. 이것이 바로 양자 화학의 세계입니다. 과학자들이 원자들이 어떻게 서로 결합하는지를 예측하기 위해 양자 세계의 기묘한 규칙들을 사용하는 분야죠. 수십 년 동안 이 퍼즐을 푸는 '골드 스탠다드(표준)'는 전범위 구성 상호작용(Full Configuration Interaction, FCI)이라 불리는 방법이었습니다. FCI를 퍼즐 조각들이 결합할 수 있는 모든 가능한 방식을 살펴보고 단 하나의 완벽한 그림을 찾아내는 과정이라고 생각하십시오. 문제는 무엇일까요? 분자가 커질수록 가능한 배열의 수가 뜨거운 팬 위의 팝콘처럼 폭발적으로 늘어나며, 세계에서 가장 빠른 슈퍼컴퓨터조차 평생 동안 계산할 수 없을 만큼 거대해진다는 점입니다.

여기에 양자 컴퓨터가 등장합니다. 이 기계는 이 입자들의 모국어를 구사하도록 만들어졌습니다. 일반적인 컴퓨터로 모든 가능성을 계산하려고 노력하는 대신, 양자 컴퓨터는 분자를 직접 시뮬레이션할 수 있습니다. 하지만 이 기계들은 현재 '사춘기' 시절을 지나고 있습니다. 즉, 강력하지만 '노이즈(잡음)'가 많다는 뜻인데, 이는 한 번에 너무 많은 일을 시키면 실수를 하기 쉽다는 것을 의미합니다. 명확한 답을 얻으려면 중요한 세부 사항을 놓치지 않으면서도 문제를 단순화해야 합니다. 여기서 과제가 발생합니다. 노이즈가 있는 양자 컴퓨터에게 어떻게 하면 과부하에 걸리거나 흐릿한 결과를 내놓지 않도록 가장 중요한 퍼즐 조각에만 집중하라고 말할 수 있을까요?

이것이 바로 이 논문의 연구자들이 해결하고자 했던 문제입니다. 그들은 'eos-QSCI'(유효 파울리 연산자 정렬 기반 양자 선택적 구성 상호작용)라는 영리하고 새로운 전략을 개발했습니다. 당신이 완벽한 수프를 만들려는 요리사인데, 아주 작은 냄비 하나와 제한된 시간만을 가지고 있다고 상상해 보십시오. 찬장에 있는 모든 향신료를 다 집어넣는 대신(이는 '전체 해밀토니안' 접근법이 될 것입니다), 먼저 육수의 맛을 보고 어떤 향신료가 실제로 맛에 차이를 만드는지 확인하는 것입니다. 그런 다음 맛을 크게 변화시키지 않는 것들은 버리고 필수적인 몇 가지만으로 요리하는 것이죠.

저자들은 이 '맛 테스트' 방법을 붕소 플루오라이드(BF), 알루미늄 플루오라이드(AlF), 그리고 무거운 상대론적 분자인 탈륨 플루오라이드(TlF)를 포함하는 IIIA족 모노플루오라이드 분자군에 적용했습니다. 그들은 가장 지배적인 '들뜸 연산자(excitation operators, 양자 역학의 핵심 향신료에 해당)'만을 식별하여 유지함으로써 문제를 엄청나게 축소할 수 있다는 것을 발견했습니다. 20-큐비트 시스템인 TlF의 경우, 그들의 방식은 양자 회로에 필요한 단계 수를 98% 이상 줄였습니다. 이는 마치 100마일 마라톤을 2마일 조깅으로 줄였음에도 불구하고 동일한 결과로 완주하는 것과 같습니다.

그들이 실제 양자 컴퓨터(IBM의 Marrakesh 프로세서)에서 이를 테스트했을 때, 결과는 인상적이었습니다. 기계의 자연스러운 노이즈에도 불구하고, 이 단순화된 접근 방식은 바닥 상태 에너지와 전기 쌍극자 모멘트(분자의 전하가 어떻게 분포되어 있는지를 나타내는 척도)를 이론적 완벽한 값과 99.99% 이상의 정확도로 일치시켰습니다. 실제로 무거운 TlF 분자의 경우, 거의 완벽한 결과를 얻기 위해 전체 가능한 구성의 약 0.88%만을 샘플링하면 되었습니다. 이는 양자 퍼즐의 어떤 부분에 집중할지 영리하게 결정함으로써, 결함 없는 미래형 컴퓨터 없이도 오늘날의 불완전한 기계들로 복잡한 화학 시뮬레이션을 수행할 수 있음을 시사합니다. 이를 통해 새로운 재료부터 근본적인 물리학에 이르기까지 모든 것을 이해하는 문을 열 수 있습니다.

기술 요약: 분자 특성을 위한 자원 효율적인 양자 선택적 구성 상호작용(QSCI)

문제 정의
양자 시뮬레이션을 통한 분자 전자 구조 계산은 노이즈가 있는 중간 규모 양자(NISQ) 장치에서 상당한 확장성 문제에 직면해 있다. 양자 선택적 구성 상호작용(QSCI)은 실시간 진화를 통해 중요한 결정론적 기저 함수를 식별함으로써 유망한 하이브리드 양자-고전 접근 방식을 제공하지만, 전체 전자 해밀토니안을 사용하여 구현할 경우 회로 복잡성이 급격히 증가한다. 구체적으로, 해밀토니안 시뮬레이션 기반 QSCI(HSB-QSCI)는 조던-위그너(Jordan-Wigner) 변환 하에서 $N$ -큐비트 시스템에 대해 $O(N^4)$ 의 파울리 항(Pauli terms)과 $O(N^5)$ 의 2-큐비트 게이트를 요구한다. 이러한 높은 자원 요구량은 이 방법의 적용 범위를 작은 시스템으로 제한하며, 영구 전기 쌍극자 모멘트(PDM)와 같이 (특히 해밀토니안 항이 훨씬 더 많은) 상대론적 영역에서의 분자 특성 계산을 저해한다.

방법론: eos-QSCI
저자들은 양자 시뮬레이션 전 해밀토니안 복잡도를 줄이기 위해 설계된 유효 파울리 연산자 정렬 기반 QSCI(eos-QSCI) 프레임워크를 제안한다. 이 방법은 세 가지 별도의 단계로 진행된다:

단계 I: 페르미온 스크리닝(Fermionic Screening): 참조 결정론(일반적으로 디락-하트리-포크 상태)에 대한 페르미온 연산자 스트링의 작용을 조사하여 2차 양자화된 해밀토니안을 스크리닝한다. 참조 상태를 소멸시키는 연산자(예: 가상 궤도에서의 소멸을 포함하는 연산자)는 폐기된다. 이는 점유 기반 선택 규칙을 부과하여, 조던-위그너 변환을 통해 큐비트로 매핑되기 전에 항의 수를 줄인다.
단계 II: 충실도 손실 기반 선택(Fidelity-Loss Based Selection): 유지된 파울리 연산자들은 참조 상태 충실도 손실(reference-state fidelity loss) 메트릭을 사용하여 중요도에 따라 순위가 매겨진다. 각 연산자 $P_\alpha$ 에 대해, 단시간 진화 $|\Psi_\alpha(t)\rangle = e^{-ih_\alpha P_\alpha t}|\Phi_0\rangle$ 가 분석된다. 연산자의 참조 상태에 대한 분산에 비례하는 충실도 손실 $\omega_\alpha(t)$ 가 가중치 역할을 한다. 연산자들은 내림차순으로 정렬되며, 누적 정규화 가중치가 계산된다. 해밀토니안은 누적 가중치가 임계값(예: 0.99)을 초과할 때까지 상위 $K$ 개의 항만을 유지하도록 절단된다.
단계 III: 실행 및 후처리: 절단된 해밀토니안은 효율적인 시간 진화 회로를 구축하기 위해 교환 가능한 관측량 집합(SCOs)으로 분할된다. 이 회로들은 파이프라인 루틴(Qiskit 및 Pytket)을 통해 최적화되어 양자 하드웨어에서 실행된다. 샘플링된 구성은 축소된 부분 공간 해밀토니안을 정의하며, 이는 지표면 에너지와 파동 함수를 얻기 위해 고전적으로 대각화된다. 이후 파동 함수로부터 PDM이 평가된다.

주요 기여

해밀토니안 감소: 이 프레임워크는 지배적인 페르미온 들뜸 연산자를 식별함으로써 콤팩트한 유효 해밀토니안을 구축하며, 전체 해밀토니안 방식인 HSB-QSCI에 비해 파울리 항, 회로 깊이 및 2-큐비트 게이트 수를 실질적으로 줄인다.
상대론적 분자 특성: 이 방법은 QSCI를 상대론적 전자 구조 문제로 확장하여, Group IIIA 모노플루오라이드(BF, AlF, GaF, InF, TlF)에 대한 지표면 에너지와 영구 전기 쌍극자 모멘트(PDM)를 성공적으로 계산하였다.
확장성 분석: 저자들은 eos-QSCI의 자원 요구 사항이 전체 해밀토니안 접근 방식보다 더 유리하게 스케일링됨을 입증하였으며, 해밀토니안 항의 스케일링에서 근사 이차(near-quadratic) 개선( $O(N^{2.3})$ 대 $O(N^4)$ )을 달est하였다.

결과
본 프레임워크는 최대 20 큐비트의 활성 공간을 가진 AlF 및 TlF 시스템에 대해 시뮬레이션 및 IBM Marrakesh 프로세서(Heron r2 아키텍처)에서의 하드웨어 실행을 통해 검증되었다.

자원 효율성: 20-큐비트 TlF 시스템의 경우, 축소된 해밀토니안은 전체 해밀토니안 접근 방식에 비해 회로 깊이와 2-큐비트 게이트 수 모두에서 **>98%**의 감소를 나타냈다. 해밀토니안 항의 수는 AlF에서 97.14%, TlF에서 98.00% 감소하였다.
정확도:
- 시뮬레이션: 계산된 지표면 에너지는 모든 시스템 크기에 대해 완전 활성 공간 구성 상호작용(CASCI) 값으로부터 1.6 mHa(화학적 정확도 임계값) 미만으로 편차를 보였다. 회복된 상관 에너지는 90.02%에서 98.46% 사이였다. PDM 편차는 AlF의 경우 $1.49 \times 10^{-2}$ a.u., TlF의 경우 $7.0 \times 10^{-3}$ a.u. 이내였다.
- 하드웨어 실행: IBM Marrakesh 프로세서에서 20-큐비트 TlF 계산은 CASCI 상관 에너지의 99.93%를 회복하였다. 결과적인 PDM은 CASCI 값과 99.99% 일치하였다. 하드웨어 노이즈가 존재함에도 불구하고, 에너지 편차는 CASCI 대비 0.01% 미만으로 유지되었다.
결정론적 공간 감소: 이 방법은 지배적인 결정론자에 샘플링을 집중시켜 고전적 대각화 비용을 줄였다. 20-큐비트 TlF 시스템의 경우, 높은 정확도를 달성하기 위해 전체 CASCI 결정론 공간의 약 0.88%만이 필요했으며, 이는 대각화 행렬 크기를 $181 \times 181$ 에서 $43 \times 43$ 으로 줄였다.

의의
본 논문은 eos-QSCI 프레임워크가 NISQ 장치에서 HSB-QSCI의 실용성을 크게 향상시킨다고 주장한다. 해밀토니안 복잡성, 양자 회로 자원, 그리고 고전적 후처리 비용을 동시에 줄임으로써, 이 접근 방식은 회로 깊이 제한으로 인해 이전에는 다루기 힘들었던 상대론적 분자 시스템의 자원 효율적인 시뮬레이션을 가능하게 한다. 20 큐비트에서의 성공적인 하드웨어 실행은 에너지와 PDM과 같은 분자 특성을 계산하는 데 있어 이 접근 방식의 확장성을 입증하며, 이는 양자 기술 및 기초 물리학 분야에 매우 중요하다.

유사한 논문