기술 요약: 단일 큐비트 측정을 통한 스테빌라이저 코드의 논리적 정보 국소화

문제 정의

본 논문은 큐비트 손실이 발생하는 스테빌라이저 코드에서, 단 한 번의 단일 큐비트 측정만을 사용하여 논리적 정보를 소수의 타겟 큐비트 세트로 국소화하는 과제를 다룹니다. 이러한 능력은 광자 손실이 주요 오류 원인인 광학 시스템, 특히 결함 허용 통신 및 측정 기반 양자 계산(MBQC)에서 매우 중요합니다.

**스테빌라이저 경로 찾기(Stabiliser Path Finding, SPF)**라고 불리는 핵심 과제는 이전에 Morley-Short 등 [24]과 Bell 등 [21]에 의해 도입되었습니다. 목표는 다음 두 가지 조건을 만족하는 한 쌍의 논리적 대표 연산자 $\bar{X}$와 $\bar{Z}$를 찾는 것입니다:

1. 손실된 큐비트 조건: 두 연산자 모두 손실된 큐비트에 대한 서포트(support)를 갖지 않아야 합니다.
2. 타겟 조건: 두 연산자는 지정된 단 하나의 타겟 큐비트 $t$에서만 큐비트 단위로 반교환(anti-commute)하며, 나머지 모든 큐비트에서는 교환(commute)해야 합니다.

SPF를 해결하기 위한 기존 방법들은 모든 비자명한 논리적 대표 연산자들을 전수 조사하는 방식에 의존합니다. 이러한 접근법은 큐비트 수에 따라 지수적으로 증가하여, 약 12개 이상의 큐비트를 가진 코드에는 적용이 불가능합니다. 또한, 이전의 정식화들은 타겟 큐비트가 절대 손실되지 않는다고 가정했는데, 이는 실제 시나리오에서 최적의 성공율을 얻는 데 방해가 될 수 있는 가정입니다.

방법론

저자들은 이러한 한계를 해결하기 위해 포괄적인 분석 및 계산 프레임워크를 제안합니다.

1. 일반화: g-SPF

본 논문은 g-SPF라는 완화된 버전의 문제를 도입합니다. g-SPF는 단 하나의 지정된 타겟에서 반교환할 것을 요구하는 대신, 임의의 $g$개 타겟 큐비트에서 최대 $g$번 반교환하는 한 쌍 $(\bar{X}, \bar{Z})$를 찾습니다. 이러한 완화는 손실 구성에 따라 타겟 큐비트를 동적으로 선택할 수 있게 하여 성공율을 높일 수 있습니다.

2. 분석적 접근: 퍼콜레이션 및 분리성

저자들은 독립 동일 분포(i.i.d.) 큐비트 손실 확률 $p$ 하에서의 평면 표면 코드(planar surface code)를 분석하여 이론적 보증을 확립합니다.

• 퍼콜레이션 이론: 저자들은 논리적 대표 연산자의 존재를 2D 격자에서의 열린 경로(open paths)의 존재로 매핑합니다. 본드 퍼콜레이션(bond percolation) 결과를 사용하여, $p < 1/2$일 때 코드 크기 $n \to \infty$에 따라 좌-우 방향($\bar{X}$용) 및 상-하 방향($\bar{Z}$용)으로 존재하는 에지-분리된(edge-disjoint) 경로들이 존재함을 증명합니다.
• 분리성 보조정리(Disjointness Lemma): 저자들은 스테빌라이저 코드의 분리성(pairwise disjoint한 대표 연산자의 수)과 $\bar{X}$ 및 $\bar{Z}$ 서포트의 최소 교차 크기 사이의 관계를 설명하는 보조정리(Lemma 2)를 도출합니다.
• 종합: 분리된 대표 연산자의 스케일링(이는 $\sqrt{n}$으로 스케일링됨)과 교차 경계값을 결-합함으로써, $p < 1/2$인 경우 $n$이 증가하더라도 생존한 $\bar{X}$와 $\bar{Z}$ 대표 연산자 사이의 최소 교차 크기가 상수 $g$ 이내로 유지됨을 증명합니다.

3. 계산 알고리즘

저자들은 SPF 및 g-SPF를 해결하기 위한 두 가지 알고리즘을 제안하며, 두 알고리즘 모두 스테빌라이저 코드의 심플렉틱 표현(symplectic representation)을 활용하고, 스테빌라이저 타블로(tableau)를 업데이트하여 "손실된 큐비트" 조건을 처리하는 전처리 단계를 거칩니다.

• D-LoFi (Deterministic Localisation Finder):

  • 정식화: 문제를 제약이 있는 이차 최적화 문제로 인코딩한 후, 이를 **정수 선형 계획법(ILP)**으로 변환합니다.
  • 메커니즘: 교환 제약 조건을 준수하면서 전체 서포트 크기 $|\text{support}(\bar{X}) \cup \text{support}(\bar{Z})|$를 최소화합니다.
  • 특징: 이 방법은 정확히(exact) 작동하며, 해가 존재한다면 가장 작은 서포트를 가진 해를 찾아냅니다.

• H-LoFi (Heuristic Localisation Finder):

  • 정식화: g-SPF를 최적 우도 오류 디코딩(most-likely-error decoding) 문제로 간주합니다.
  • 메커니즘: 두 단계로 작동합니다:
    1. 초기 $\bar{X}$를 스테빌라이저로 취급하고, $\bar{X}$를 제외한 모든 스테빌라이저와 교환하는 오류에 대해 디코딩함으로써 낮은 가중치의 $\bar{Z}$ 대표 연산자를 찾습니다.
    2. 위에서 찾은 $\bar{Z}$와 소수의 큐비트에서 반교환하는 낮은 가중치의 $\bar{X}$ 대표 연산자를 유사한 디코딩 방식으로 찾습니다.
  • 특징: D-LoFi보다 훨씬 빠르며, 절대적인 최소 서포트를 보장하지는 않지만 정확한 성공율에 매우 근접한 결과를 보여줍니다.

주요 결과

1. 국소화 임계값

저자들은 **정리 1(Theorem 1)**을 통해, 평면 표면 코드가 $p = 1/2$에서 g-SPF에 대한 국소화 임계값을 가짐을 증명합니다.

• 임의의 손실 확률 $p < 1/2$에 대해, 상수 $g$가 존재하여 코드 크기 $n \to \infty$일 때 g-SPF 쌍을 찾을 확률이 1로 수렴합니다.
• $p > 1/2$인 경우, 성공 확률은 0으로 수렴합니다.
• 이 임계값은 국소화가 표준 제거 디코딩(erasure decoding)과는 별개의 작업임에도 불구하고, 표면 코드의 표준 제거 임계값과 일치합니다.

2. 수치적 검증

• 임계값 재현: D-LoFi와 H-LoFi를 모두 사용하여 회전된 표면 코드(rotated surface code)에 대해 $p=1/2$ 임계값을 수치적으로 재현했습니다.
• 성능 비교:
  • 속도: H-LoFi는 D-LoFi보다 수십 배 더 빠릅니다.
  • 정확도: H-LoFi는 D-LoFi가 찾아낸 정확한 성공율 및 서포트 크기에 매우 근접합니다.
  • 확장성: 저자들은 "crazy graph" 코드를 사용하여 D-LoFi를 Ref. [24]의 알고리즘과 비교했습니다. Ref. [24]의 알고리즘은 18개 이상의 큐비트를 가진 코드에 대해 16시간의 실행 시간 제한을 초과했지만, D-LoLo는 훨씬 더 큰 코드에 대해서도 임계값을 성공적으로 계산했습니다.

의의 및 주장

본 논문은 SPF를 통한 국소화에 대한 최초의 이론적 및 수치적 분석을 제공한다고 주장합니다. 주요 기여는 다음과 같습니다:

1. 이론적 보증: 평면 표면 코드에서 상수 $g$에 대해 $p=1/2$에서 국소화 임계값이 존재함을 증명함으로써, 상당한 큐비트 손실이 있더라도 결함 허용 국소화가 가능하다는 것을 입증했습니다.
2. 알고리즘 효율성: D-LoFi와 H-LoFi를 도입하여 SPF를 해결하는 데 필요한 계산 시간을 기존 방식보다 수십 배 단축했습니다. 이를 통해 이전에는 불가능했던 훨씬 더 큰 스테빌라이저 코드를 체계적으로 연구할 수 있게 되었습니다.
3. 실용적 유용성: SPF를 빠르게 해결하는 능력은 적응형 퓨전(adaptive fusions) 및 논리적 텔레포테이션과 같이 손실이 많은 채널에서 사용되는 결함 허용 스킴에 적합한 코드를 식별하는 데 도움을 줍니다.

저자들은 H-LoFi의 휴리스틱한 성격에 대해 신중한 태도를 유지하며, 성능은 뛰어나지만 $g=1$(Target-SPF)의 구체적인 사례에 대한 분석적 증명은 여전히 미해결 과제로 남아 있다고 언급했습니다. 다만 수치적 증거는 $g=1$에서도 임계값이 유지됨을 시사합니다. 이 연구는 결함 허용 텔레포테이션 및 효율적인 논리적 퓨전의 응용 가능성을 열어주지만, 이론적 프레임워크 이상의 새로운 실험적 하드웨어나 프로토콜을 제안하지는 않습니다.