Reconstructing fluid velocity fields from sparse sensors using a variational quantum algorithm

단 몇 개의 떠다니는 잎사귀만을 보고 강의 흐름을 이해하려고 노력한다고 상상해 보십시오. 당신은 그 특정 잎사귀들이 어느 순간에 어디에 있는지는 볼 수 있지만, 그 사이의 물, 즉 틈새에서 형성되는 소용돌이와 상류로 이동하는 흐름은 미스터리로 남습니다. 이것이 기상 패턴에서부터 동맥 내 혈류에 이르기까지 유체 역학을 연구하는 과학자들이 마주하는 일상적인 현실입니다. 그들은 광활한 영역에 흩어져 있는 단 몇 개의 센서만을 가질 수 있음에도 불구하고, 모든 공간과 시간의 각 지점에서 유체의 속도와 방향을 알아내야 합니다. 이러한 희소한 단서들로부터 전체 그림을 재구성하는 것은 유체의 움직임을 지배하는 규칙이 복잡하고 급격하게 변하기 때문에 매우 어려운 난제입니다.

수십 년 동안 연구자들은 물리적 흐름을 시뮬레이션하는 수학적 모델을 사용하여 이러한 공백을 메우기 위해 강력한 고전 컴퓨터에 의존해 왔습니다. 그러나 해상도에 대한 요구가 높아짐에 따라, 이러한 시뮬레이션은 믿을 수 없을 정도로 비용이 많이 들고 느려지고 있습니다. 물리와 양자 컴퓨팅의 교차점에서 탄생한 새로운 접근 방식은 이 문제를 해결하기 위한 색다른 방법을 제시합니다. 이 방법은 영화가 프레임 단위로 재생되듯 시간을 따라 한 단계씩 유체의 거동을 계산하는 대신, 유체의 전체 이력을 한 번에 해결하려고 시도합니다. 이는 공간과 시간 전체에 걸친 유체의 속도를 하나의 통합된 객체로 취급합니다. 이 방대한 양의 정보를 양자 시스템에 인코딩함으로써, 연구자들은 양자 역학의 독특한 특성을 활용하여 더 효율적으로 해답을 찾을 수 있습니다.

최근 플로리다 주립 대학교 연구팀은 변분 양자 알고리즘(variational quantum algorithm)을 사용하여 유체 속도장을 재구성하는 새로운 방법을 제안했습니다. 그들의 목표는 몇 개의 센서로부터 얻은 제한된 데이터와 알려진 물리 법칙을 결합하여 유체가 어떻게 움직이는지에 대한 완전한 지도를 다시 만드는 것이었습니다. 연구진은 유체의 행동을 설명하는 두 가지 특정 수학적 모델에 집중했는데, 파동이 가팔라지거나 깨지는 현상을 포착하는 버거스 방정식(Burgers equation)과 더 혼돈스럽고 난류적인 패턴을 설명하는 쿠라모토-시바신스키 방정식(Kuramoto–Sivashinsky equation)입니다. 이 방정식들은 강한 비선형 상호작용을 포함하고 있어, 작은 변화가 완전히 다른 결과를 초래할 수 있기 때문에 풀기 어려운 것으로 유명합니다.

연구진은 전체 해답—공간의 모든 지점과 시간의 모든 순간—을 단일 양자 상태에 인코딩하는 전략을 개발했습니다. 이 상태를 정답을 담고 있는 복잡하고 다차원적인 용기라고 생각해 보십시오. 이 알고리즘은 이 용기를 매 초마다 업데이트하는 대신, 센서 데이터 및 물리 법칙과 가장 잘 부합하는 구성을 찾기 위해 양자 컴퓨터의 설정을 한꺼번에 조정합니다. 컴퓨터는 솔루션이 센서 측정값과 일치하지 않거나 물리 방정식을 위반할 경우 벌점을 부여하는 일종의 성적표인 비용 함수(cost function)에 의해 안내됩니다. 알고리즘은 이 점수를 낮추기 위해 양자 설정을 반복적으로 미세 조정하며, 결국 두 제약 조건을 동시에 만족하는 해에 수렴하게 됩니다.

아이디어를 테스트하기 위해 연구팀은 실제 양자 장치가 어떻게 작동할지를 모사하는 고전 컴퓨터 상에서 수치 시뮬레이션을 실행했습니다. 그들은 센서가 가능한 위치 중 아주 적은 부분에만 배치된 시나리오를 설정했는데, 때로는 수십 개의 지점 중 단 두세 개뿐이었으며 공간 그리드의 25%도 채 되지 않는 범위였습니다. 이러한 극단적인 데이터 부족에도 불구하고, 알고-리즘은 전체 속도장을 성공적으로 재구성했습니다. 시뮬레이션 결과, 재구성된 흐름은 알려진 '실제' 흐름과 높은 정확도로 일치했으며, 종종 흐름 크기의 100분의 1 수준의 오차를 달성했습니다. 이러한 정밀도는 흐름이 날카롭고 난류가 되는 저점성 영역에서도 달성되었는데, 이는 일반적으로 재구성을 매우 어렵게 만드는 조건입니다.

연구는 유체를 양자 컴퓨터에서 표현하는 두 가지 방법을 비교했습니다. 첫 번째 접근 방식인 실공간(real-space) 방법은 디지털 이미지가 픽셀을 매핑하는 것처럼 유체를 특정 격도 위의 지점에 직접 매핑했습니다. 두 번째 접근 방식인 갈레르킨 축소 기저(Galerkin-reduced-basis) 방법은 유체를 매끄러운 파동 형태의 조합으로 표현했습니다. 연구진은 테스트한 매끄러운 흐름에 대해 파동 형태의 표현이 특히 효과적이며, 종종 더 적은 계산 자원으로 더 정확한 결과를 생성한다는 것을 발견했습니다. 이는 유체의 구조를 기술하는 적절한 방법을 선택하는 것이 양자 알고리즘 자체만큼 중요하다는 것을 시사합니다.

이 연구의 가장 중요한 측면 중 하나는 시간을 처리하는 방식입니다. 전통적인 방법은 유체의 초기 조건이 알려지지 않았거나 데이터가 프로세스 중간의 특정 창(window)에서만 사용 가능할 때 어려움을 겪는 경우가 많습니다. 이 새로운 방법은 알려진 시작점을 필요로 하지 않습니다. 전체 타임라인을 동시에 해결하기 때문에, 희소한 센서 데이터로부터 앞뒤로 작동하여 공백을 메울 수 있습니다. 연구진은 센서가 짧고 임의적인 기간 동안만 데이터를 기록했음에도 불구하고, 알고리즘이 움직임의 전체 이력을 복구해 내는 것을 보여줌으로써 이를 입증했습니다.

결과는 이 시공간 인코딩 체계가 복잡한 유체 역학을 이해하기 위한 압축적이고 강력한 프레임워크를 제공함을 시사합니다. 현재 이 작업은 시뮬레이션과 1차원 모델로 제한되어 있지만, 이는 양자 장치가 실제 실험에서 보이지 않는 흐름을 시각화하는 데 도움을 줄 수 있는 미래를 향한 이정표가 됩니다. 연구진은 이 방법의 성공이 솔루션을 표현하는 데 사용되는 양자 회로의 설계에 크게 의존한다는 점에 주목했습니다. 그들은 테스트를 위해 표준적이고 하드웨어 친화적인 설계를 사용했지만, 특정 문제의 물리에 맞춰 회로를 최적화하면 훨씬 더 나은 성능을 끌어낼 수 있을 것이라고 추측했습니다.

궁극적으로, 이 연구는 양자 알고리즘이 부분으로부터 전체를 추론하는 것을 목표로 하는 유체 역학의 역문제(inverse problems)를 해결하는 데 사용될 수 있다는 개념 증명을 제공합니다. 물리 법칙의 제약을 희소한 측정값과 결합함으로써, 알고리즘은 유체의 운동에 대한 전역적으로 일관된 그림을 복구할 수 있습니다. 연구진은 실제 양자 하드웨어의 노이즈와 최적화의 복잡성이 여전히 과제로 남아 있지만, 이 접근 방식이 제한된 데이터로부터 의미 있는 정보를 추출하는 새로운 문을 열어준다고 강조합니다. 이는 흩어진 몇 개의 단서로부터 전체 그림을 보는 것이 필수적인 기상학에서 의료 영상에 이르는 다양한 분야를 향한 유망한 경로를 제시합니다.