Time rescaling for second-order feedback-based quantum optimization

유용한 양자 컴퓨터를 구축하기 위한 경쟁 속에서, 과학자들은 지속적인 장애물에 직면해 있습니다. 오늘날 우리가 보유한 기계들은 강력하지만 취약하다는 점입니다. 이 기계들은 노이즈가 많고 오류에 취나며, 섬세한 양자 상태를 붕괴시키기 전 아주 짧은 순간 동안만 유지할 수 있습니다. 이 때문에 연구자들은 주로 하이브리드 접근 방식에 의존해 왔는데, 여기서는 고전 컴퓨터가 최적화라는 무거운 작업을 수행하는 동안 양자 프로세서는 특정 작업만을 처리합니다. 하지만 이 파트너십은 종종 좌절스러운 루프에 빠지곤 하는데, 이는 고전 컴퓨터가 적절한 설정을 찾는 데 어려움을 겪는 문제로, '바렌 플래토(barren plateau, 불모지)'라고 알려진 현상이며 진행을 완전히 멈추게 할 수 있습니다. 이를 우회하기 위해, 양자 기계 자체에 전적으로 의존하는 다른 전략이 등장했습니다. 고전 컴퓨터에게 조절 장치를 튜닝하라고 요청하는 대신, 이 방법은 양자 프로세스 내에 직접 구축된 피드백 루프를 사용합니다. 이는 시스템의 현재 상태를 측정하고 즉시 다음 단계를 조정하여, 수학적 계산을 위해 고전적인 파트너를 필요로 하지 않고도 기계를 최적의 솔루션으로 안내합니다. '피드백 기반 양자 알고리즘'으로 알려진 이 접근 방식은 큰 가능성을 품고 있지만, 중대한 결함이 있습니다. 즉, 현재의 기계에서는 계산이 끝나기 전에 노이즈가 답을 파괴할 정도로 양자 회로가 너무 깊고, 즉 연속적인 단계가 너무 많이 필요하다는 점입니다.

브라질의 한 연구팀은 이제 이러한 회로를 크게 단축하여, 이 방법을 현재의 하드웨어에서도 실행 가능하게 만드는 방법을 찾아냈습니다. 그들은 프로세스 속도를 높이기 위해 이전에 각각 별도로 사용되었던 두 가지 기존 기술을 결합했습니다. 한 가지 기술은 계산의 리듬을 바꾸는 것으로, 마치 운전자가 구불구불한 길을 효율적으로 주행하기 위해 기어를 변속하는 것처럼, 양자 시스템이 특정 순간에는 더 빠르게, 다른 순간에는 더 느리게 움직일 수 있도록 합니다. 다른 기술은 시스템이 다음 단계에서 어떻게 변할지 예측하는 더 정교한 방법을 사용하는데, 단순히 즉각적인 방향뿐만 아니라 그 방향이 어떻게 휘어지는지까지 살핍니다. 이 두 아이디어를 하나의 통합된 프레임워크로 병합함으로써, 연구진은 이전보다 훨씬 적은 단계로 정답에 도달하는 새로운 버전의 알고리즘을 만들어냈습니다.

연구진은 이 새로운 방법인 TR-Hy-FALQON을 '그래프 문제'라고 불리는 두 가지 유형의 복잡한 퍼즐에 테스트했습니다. 이 퍼즐들은 네트워크의 점들을 두 그룹으로 나누어 그룹 간의 연결을 최대화하는 작업을 포함하며, 이는 컴퓨터에게 매우 어려운 과제로 알려져 있습니다. 그들은 12개와 14개의 점이 있는 네트워크에 대해 시뮬레이션을 실행하여, 이들의 새로운 방법을 기존 버전의 피드백 알고리즘 및 표준 하이브리드 접근 방식과 비교했습니다. 결과는 명확했습니다. 새로운 방법은 훨씬 더 빠르게 고품질의 솔루션에 도달했습니다. 시뮬레이션에서 이 방법은 표준 하이브리드 방식과 동일한 수준의 정확도를 달-성하면서도 더 적은 연산 층을 사용했으며, 계산이 진행됨에 따라 결과가 흔들리거나 실패할 가능성이 낮은 더 높은 안정성을 보여주었습니다.

이 발전이 특히 중요한 이유는 고전 컴퓨터가 끊임없이 개입할 필요를 없앴다는 점에 있습니다. 새로운 알고리즘은 여전히 양자 기계가 자신의 진행 상황을 측정하고 경로를 조정하는 것에 의존하지만, 훨씬 더 짧은 회로로 이를 수행합니다. 이는 매우 중요합니다. 왜냐하면 양자 회로의 단계가 하나씩 추가될 때마다 노이즈가 데이터를 오염시킬 가능성이 높아지기 때문입니다. 문제를 해결하는 데 필요한 단계 수를 줄임으로써, 연구진은 이러한 알고리즘을 현재의 불완전한 기계에서 사용하는 데 따르는 장벽을 효과적으로 낮추었습니다. 연구는 이 새로운 방법이 기존의 가장 뛰어난 고전적 보증치에 필적하는 정밀도로 이러한 특정 그래프 문제들을 해결할 수 있음을 보여주었으며, 동시에 솔루션으로 향하는 안정적이고 신뢰할 수 있는 경로를 유지했습니다.

연구진은 또한 그들의 방법이 계산 타이밍을 조절하는 데 있어 더 많은 유연성을 제공한다는 점에 주목했습니다. 이전 버전에서는 수학적 원리가 성립하도록 하기 위해 단계가 매우 구체적이고 미세한 속도로 진행되어야 했으며, 이는 회로를 매우 길게 만들었습니다. 새로운 접근 방식은 안정성을 잃지 않으면서도 더 크고 유연한 시간 단계를 허용합니다. 이는 양자 컴퓨터가 보통의 노이즈에 걸려 넘어지지 않고도 정답을 향해 더 큰 보폭을 내디딜 수 있음을 의미합니다. 비록 이러한 결과가 실제 하드웨어가 아닌 컴퓨터 시뮬레이션에서 나온 것이지만, 이 발견은 정교해진 이 알고리즘이 회로 깊이를 최소화하는 것이 성공의 핵심인 현재의 양자 컴퓨팅 시대에 매우 적합하다는 것을 시사합니다. 피드백 과정을 더 빠르고 견고하게 만듦으로써, 이 연구는 오늘날의 노이즈가 있고 얕은 양자 프로세서에서 최적화 문제를 해결하기 위한 실질적인 경로를 제공합니다.