Fast Hamiltonian engineering from cut polytope geometry

양자 컴퓨터는 오늘날의 기계로는 불가능한 문제들을 해결할 것을 약속하지만, 매우 취약하기로 악명이 높습니다. 양자 컴퓨터를 유용하게 만들기 위해 과학자들은 분자나 새로운 물질과 같은 복잡한 양자 시스템의 거동을 시뮬레이션해야 하며, 이를 위해 특정 양자 장치가 자신이 연구하고자 하는 시스템처럼 작동하도록 프로그래밍해야 합니다. '해밀토니안 엔지니어링(Hamiltonian engineering)'이라고 알려진 이 과정은, 특정 상호작용을 자연스럽게 수행하는 네이티브 머신을 가져와서 일련의 제어 펄스(control pulses)로 그 거동을 형성하여 다른 원하는 상호작용을 모사하는 과정을 포함합니다. 문제는 이러한 제어 펄스를 실행하는 데 시간이 걸린다는 점이며, 양자 시스템이 활성화되어 있는 시간이 길어질수록 노이즈와 오류로 인해 섬세한 양자 상태를 잃을 가능성이 높아진다는 것입니다. 따라서 가장 중요한 목표는 기계가 환경에 노출되는 시간을 최소화하면서, 원하는 시뮬레이션을 달성할 수 있는 가장 빠른 펄스 시퀀스를 찾는 것입니다.

연구팀은 큐비트(qubit), 고차원 큐디트(qudit), 페르미온(fermion)을 포함한 광범위한 양자 시스템에 대해 최적의 펄스 시퀀스를 찾을 수 있는 새로운 통합 방법을 개발했습니다. 이들은 이 문제를 고차원 공간에서의 도형을 다루는 기하학적 퍼즐로 취급하여, 시스템과 대상 시뮬레이션에 특화된 제어 펄스를 생성하는 알고리즘을 만들었습니다. 그들의 접근 방식은 이론적으로 가능한 최선의 속도에 근접한 솔루션을 일관되게 찾아내며, 무작위 추측에 의존했던 기존 방식보다 현저히 뛰어난 성능을 보여주었습니다. 복잡한 모델에 대한 테스트에서, 그들의 기술은 시스템의 크기가 커짐에 따라 시간이 늘어나는 기존 방식과 달리, 시스템의 크기와 상관없이 요구되는 시간을 일정하게 유지하는 수준으로 단축했습니다.

문제의 핵심은 양자 시스템이 어떻게 상호작용하느냐에 있습니다. 양자 장치가 특정 방식으로 입자가 상호작용하도록 자연스럽게 허용한다고 가정할 때, 과학자는 다른 종류의 상호작용을 시뮬레이션하고 싶어 합니다. 이 간극을 메우기 위해 과학자는 시스템의 상태를 뒤트는 일련의 제어 연산, 즉 펄스를 적용합니다. 목표는 이러한 뒤틀림의 적절한 조합을 찾아 시스템이 마치 새로운 규칙을 따르는 것처럼 효과적으로 행동하게 만드는 것입니다. 연구진은 많은 중요한 유형의 양자 시스템에 대해, 가용한 펄스와 자연스러운 상호작용 사이의 관계가 단순한 규칙을 따른다는 점을 발견했습니다. 즉, 펄스는 상호작용을 특정 위상 변화(phase shift)로만 변화시키는데, 이는 마치 다이얼을 특정 각도로 돌리는 것과 같습니다. 이 관찰을 통해 그들은 최적의 펄스를 찾는 복잡한 과제를 기하학적인 문제로 변환할 수 있었습니다.

그들은 이 문제를 거대한 다차원 공간에서 시작점에서 쏘아 올린 빛줄기로 시각화했습니다. 대상 상호작용은 이 빛줄기의 방향을 정의합니다. 사용 가능한 펄스에 의해 생성될 수 있는 모든 가능한 상호작용의 집합은 연구진이 '폴리토프(polytope)'라고 부르는 특정한 기하학적 형상을 이룹니다. 가장 빠른 시뮬레이션은 이 빛줄기가 해당 형상의 표면에 처음 닿는 지점에 해당합니다. 만약 빛줄기가 형상에 빠르게 닿으면 시뮬레이션이 빠른 것이고, 멀리 이동해야 한다면 시뮬레이션이 느린 것입니다. 연구진은 대규모 시스템에 대해 이 정확한 지점을 찾는 것이 합리적인 시간 내에 완벽하게 해결되는 것은 수학적으로 불가능하다는 것을 증명했습니다. 이는 컴퓨터 과학에서 알려진 난제이며, 이는 실질적인 응용을 위해서라면 완벽한 답보다는 매우 좋은 근사치에 만족해야 함을 의미합니다.

이를 극복하기 위해 팀은 영리한 우회 방법을 고안했습니다. 원래의 형상을 둘러싸고 있는 더 부드럽고 단순한 형태의 형상으로 문제를 완화(relax)하는 대신, 그들은 이 방법을 사용했습니다. 그런 다음 수학적 기법을 사용하여 탐색 광선(search ray)의 경로를 구부려, 최종적으로 선택된 펄스가 원래의 형상에서 정확히 필요한 위치에 도달하도록 만들었습니다. 이 과정은 그들이 '인포밍드 펄스(informed pulses)'라고 부르는 제어 시퀀스를 생성하며, 이는 무작위로 선택되는 것이 아니라 시스템의 구체적인 세부 사항을 바탕으로 계산됩니다. 이렇게 만들어진 인포밍드 펄스는 최종적인 타이밍과 순서를 결정하기 위해 표준 최적화 도구에 입력됩니다.

연구진은 이 방법을 세 가지 서로 다른 유형의 양자 시스템에 적용하여 테스트했습니다. 첫째, 현재 대부분의 양자 컴퓨터의 기초가 되는 표준 큐비트 시스템을 살펴보았습니다. 그들은 이 새로운 방법과 펄스의 무작위 샘플링을 사용하는 기존 기술을 비교했습니다. 이 테스트에서 그들의 인포밍드 접근 방식은 일관되게 훨씬 빠른 솔루션을 찾아냈으며, 종종 이론적인 최적 시간의 몇 퍼센트 이내에 도달했습니다. 반면, 기존의 무작위 방식은 대상 시뮬레이션의 복잡성이 증가할수록 훨씬 더 많은 시간을 요구했습니다.

다음으로, 그들은 두 개 이상의 상태를 가진 양자 단위인 큐디트에 이 방법을 적용했습니다. 여기서의 도전 과제는 상호작용에 복소수가 포함되어 있어 더욱 컸습니다. 그들의 알고리즘은 이러한 복잡성을 성공적으로 헤쳐 나가며 거의 최적인 펄스 시퀀스를 찾아냈습니다. 결과에 따르면, 그들의 방법은 하드웨어가 더 미세한 제어를 허용하더라도 대상의 특정 구조에 적응할 수 있었던 반면, 무작위 방식은 개선되지 못했습니다.

마지막으로, 그들은 물질 내의 전자를 모델링하는 데 사용되는 페르미온 시스템에 이 접근 방식을 테스트했습니다. 이는 입자들이 동일한 상태를 점유할 수 없는 특성을 가진 특히 어려운 사례입니다. 그들은 자기장 내의 격자 위를 움직이는 전자를 설명하는 호프스태터(Hofstadter) 모델을 사용했습니다. 이 시나리오에서 그들의 방법과 기존의 무작위 접근 방식 사이의 차이는 극명했습니다. 무작위 방식은 격자의 크기에 따라 선형적으로 증가하는 시뮬레이션 시간을 요구했습니다. 즉, 격자가 커질수록 시뮬레이션 시간도 비례해서 길어졌습니다. 그러나 그들의 인포밍드 방식은 격자 크기에 관계없이 시간이 일정하게 유지되는 솔루션을 찾아냈습니다. 이는 대규모 물질 시뮬레이션에 있어 그들의 방식이 기존 방식보다 수십 배 더 빠를 수 있음을 의미하며, 이전에는 불가능했던 시뮬레이션을 갑자기 실현 가능하게 만듭니다.

이러한 발견의 중요성은 단순히 속도에만 국한되지 않습니다. 양자 시뮬레이션에서 시스템이 실행되는 시간은 노이즈가 축적되는 정도와 직접적으로 연결됩니다. 더 빠른 시뮬레이션은 노이즈를 줄이고 더 정확한 결과를 가져옵니다. 또한, 상호작용하는 입자들을 시뮬레이션하는 맥락에서, 시뮬레이션의 속도는 엔지니어링할 수 있는 상호작용의 강도를 결정합니다. 더 빠른 방법은 과학자들이 하드웨어가 자연적으로 지원할 수 있는 것보다 더 강력한 상호작용을 시뮬레이션할 수 있게 하여, 새로운 물질의 상(phase)을 연구할 수 있는 문을 열어줍니다. 연구진은 또한 그들의 방법이 견고하다는 것을 보여주었습니다. 제어 펄스가 완벽하지 않거나 실행하는 데 유한한 시간이 걸리더라도, 알고리즘은 속도 이점을 잃지 않으면서 이러한 오류를 억제하도록 조정될 수 있습니다.

큐비트, 큐디트, 페르미온을 하나의 기하학적 프레임워크 아래 통합함으로써, 이 연구는 양자 시뮬레이터의 자동 프로그래밍을 위한 강력한 새로운 도구를 제공합니다. 이는 시행착오나 무작위 추측에서 벗어나 체계적이고 수학적 근거를 갖춘 접근 방식으로의 전환을 의미합니다. 비록 완벽한 솔루션이 계산적으로 도달 불가능하기 때문에 근사치에 의존하지만, 결과는 이러한 근사치가 매우 정교하다는 것을 보여줍니다. 알고리즘은 일관되게 최적에 가까운 성능을 전달하며, 이는 시뮬레이션할 수 있는 이론적 한계가 우리가 달성 가능한 범위에 훨씬 더 가깝다는 것을 시사합니다. 이러한 진보는 양자 장치를 사용하여 화학 및 재료 과학의 실질적인 문제를 해결하고자 하는 꿈을 현실에 한 걸음 더 가깝게 가져다줍니다.