Dissipative phase transitions in quantum reservoir computing

양자 컴퓨팅의 세계에는 마찰이 적이라는 믿음이 끈질기게 존재합니다. 수십 년 동안 과학자들은 양자 시스템을 완벽하게 격리하기 위해 싸워왔는데, 외부 세계와의 그 어떤 상호작용도 그들이 보유한 섬세한 정보를 파괴할 수 있다고 우려했기 때문입니다. 이 마찰은 소산(dissipation)이라고 알려져 있으며, 대개 양자 상태를 붕괴시키고 그 힘을 잃게 만듭니다. 그러나 새로운 관점이 등장하고 있습니다. 만약 이 마찰을 정교하게 제어할 수 있다면, 그것은 파괴적인 힘이 아니라 유용한 도구가 될 수 있다는 것입니다. 이 아이디어는 양자 리저버 컴퓨팅(quantum reservoir computing)이라 불리는 분야의 핵심이며, 이는 기계가 시간 속의 패턴을 인식하도록 가르치는 방법입니다. 복잡한 양자 기계의 모든 부분을 훈련시키는 대신, 연구자들은 고정되고 변하지 않는 양자 시스템을 사용하여 데이터 스트림을 처리합니다. 이 시스템은 자연스럽게 오래된 정보는 잊어버리면서 최근의 입력값은 붙잡아 두는데, 이를 '페이딩 메모리(fading memory)'라고 하며, 이는 언어나 주식 시장의 추세와 같은 시퀀스를 이해하는 데 필수적입니다. 큰 의문은 이러한 시스템을 상전이(phase change)—시스템의 행동이 극적으로 변하는 지점—의 바로 가장자리까지 밀어붙이는 것이 정보를 기억하고 처리하는 능력을 더욱 향상시킬 수 있는지 여부였습니다.

베이징 공과대학교의 연구팀은 에너지를 계속 공급받으면서 동시에 주변 환경으로 에너지를 잃는 두 가지 다른 유형의 양자 시스템을 시뮬레이션함으로써 이 질문을 탐구했습니다. 그들은 본질적으로 비선형적인 방식으로 스스로와 상호작용하는 빛의 용기인 커 리저버(Kerr reservoirs)로 알려진 시스템에 집중했습니다. 연구진은 두 가지 뚜렷한 시나리오를 설정했습니다. 첫 번째로, 그들은 물이 갑자기 얼음으로 변하는 것과 유사하게 행동이 급격하고 날카롭게 변하는 시스템을 만들었습니다. 두 번째로, 연속적인 방식으로 대칭성을 변화시키며 더 점진적으로 변화하는 시스템을 구축했습니다. 이 시스템들에 데이터 스트림을 주입하고 과거의 입력을 얼마나 잘 재구성하거나 미래의 패턴을 예측하는지 측정함으로써, 연구팀은 두 시스템 모두 상전이 근처에서 작동할 때 최고의 성능을 보인다는 것을 발견했습니다. 이는 상전이의 가장자리가 계산을 위한 최적의 지점임을 확인해주었지만, 왜 이런 현상이 일어나는지에 대한 이야기는 예상보다 훨씬 더 놀라운 결과로 이어졌습니다.

오랫동안 지배적이었던 이론은 이러한 성능 향상의 핵심이 시스템의 완화(relaxation) 속도를 늦추는 데 있다고 제안해 왔습니다. 물리학에서 시스템이 교란을 받으면 결국 평온한 상태로 되돌아가는데, 이 과정에 걸리는 시간은 흔히 '갭(gap)'이라 불리는 특정 속도 제한에 의해 결정됩니다. 시스템이 상전이에 가까워지면 이 속도 제한이 매우 느려져서 시스템이 정보를 아주 오랫동안 붙잡아 둘 수 있다고 생각되었습니다. 이러한 극단적인 느림이 더 나은 기억력을 위한 비결이라고 널리 가정되어 왔습니다. 그러나 연구진은 이 가정이 틀렸음을 발견했습니다. 양자 시스템의 복잡한 내부 움직임을 개별 구성 요소로 분해함으로써, 그들은 상전이와 관련된 초저속 성분이 시스템의 기억 능력에 거의 기여하지 않는다는 사실을 밝혀냈습니다. 진정한 성능 향상의 원천은 다른 곳에 있었습니다.

이야기의 진짜 주인공은 시스템의 더 빠른 유한한 속도(finite-rate) 성분들이었습니다. 이들은 양자 기계의 부분들로, 너무 빨라서 모든 것을 잊어버리지도 않으면서 너무 느려서 갇혀 있지도 않은 적당한 속도로 완화되는 부분들입니다. 연구진은 상전이 근처에서 이러한 중간 속도의 성분들 전체가 재편성된다는 것을 발견했습니다. 이들은 속도를 조절하고 서로 새로운 방식으로 상호작용하며, 단일한 최저속 성분이 할 수 있는 것보다 훨씬 더 강력한 집단적 효과를 만들어냈습니다. 급격한 상전이가 일어나는 시스템에서는 이 재편성이 중간 속도가 도움을 줄 수 있을 만큼 딱 적당히 느려지는 좁은 창을 만들어냈습니다. 점진적인 변화가 일어나는 시스템에서는 중간 속도들이 이동하고 퍼져나가며 초저속 성분으로부터 분리되었습니다. 두 경우 모두, 계산 능력은 극단적인 느림이 아니라 이러한 중간 속도들의 역동적인 재배치에서 나왔습니다.

이러한 발견이 단순히 이론적인 인위적 결과가 아님을 보장하기 위해, 팀은 정확히 어떤 내부 움직임이 성공적인 예측을 담당하는지 추적하는 정밀한 방법을 개발했습니다. 그들은 시스템에 의해 처리되는 정보가 거의 전적으로 이러한 유한한 속도의 채널들과 그 채ền들이 결합하는 방식에 의해 운반된다는 것을 보여주었습니다. 초저속 채널은 상전이의 가장 극적인 특징임에도 불구하고 미미한 역할만을 수행했습니다. 이 차이점은 매우 중요한데, 왜냐하면 과학자들이 이러한 기계를 설계하는 방식을 바꾸어야 하기 때문입니다. 단순히 시스템을 가능한 한 느리게 만드는 것이 아니라, 중간 속도의 성분들이 최적으로 배치되도록 시스템을 조정하는 것이 목표가 되어야 합니다. 연구진은 또한 이러한 특정한 완화 패턴이 초전도 회로와 같은 현재의 기술을 사용한 실제 실험에서도 측정될 수 있다고 언급했습니다. 이는 그들이 개발한 이론적 프레임워크가 단순한 수학적 호기심이 아니라, 시계열 데이터로부터 학습할 수 있는 더 나은 양자 컴퓨터를 구축하기 위한 실질적인 가이드라는 것을 의미합니다.

이 연구는 궁극적으로 양자 시스템의 자연적인 물리 법칙과 그것이 계산에 사용되는 방식 사이의 분리를 드러냅니다. 상전이는 시스템의 내부 지형을 변화시키지만, 기억하고 처리하는 실제 작업은 시스템의 움직임 중 특정 하위 집합에 의해 수행됩니다. 힘의 원천이 가장 느린 성분이 아니라 중간 속도 성분들의 집단적 행동에서 온다는 것을 이해함으로써, 연구자들은 이제 더 명확한 로드맵을 가지고 소산적 양자 리저버를 설계할 수 있습니다. 이 접근 방식은 단순한 상관관계를 넘어 내부 완화 스펙트럼과 기계의 학습 능력 사이의 직접적인 연결 고리로 나아갑니다. 이는 미래의 양자 메모리가 마찰에 맞서 싸우는 것이 아니라, 마찰이 자연스럽게 만들어내는 복잡하고 조직적인 완화 속도의 춤을 활용하는 데 있을 수 있음을 시사합니다.