Error-Corrected Memory and Logic on a Heavy-Hex Superconducting-Qubit Processor
이 논문은 동적 코드 재설계, 구성 요소 제외, 고급 디코딩 기술을 포함한 노이즈 정보 기반 전략을 채택함으로써 논리적 오류율을 크게 줄이고 벨 충실도(Bell fidelity)를 97% 이상으로 높임으로써, 이종 156-큐비트 초전도 프로세서에서 고성능 결함 허용 양자 메모리 및 로직을 달성할 수 있음을 입증한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
유용한 양자 컴퓨터를 구축하려는 노력은 종종 노이즈와의 경주로 묘사되곤 합니다. 양자 세계에서 정보는 환경으로부터 오는 아주 작은 방해에도 쉽게 흐트러질 수 있는 취약한 상태로 유지됩니다. 이 정보를 보호하기 위해 과학자들은 하나의 데이터를 여러 물리적 구성 요소에 분산시키는 오류 수정이라는 기술을 사용합니다. 만약 한 구성 요소가 실패하더라도, 다른 구성 요소들이 실수를 찾아내고 데이터를 파괴하지 않고도 이를 수정할 수 있습니다. 이러한 접근 방식은 양자 기계를 확장하는 데 필수적이지만, 완벽하게 조화를 이루며 작동하는 엄청난 수의 구성 요소를 필요로 합니다. 문제는 실제 기계는 결코 완벽하지 않다는 점입니다. 양자 정보를 저장하는 데 사용되는 미세한 초전도 회로는 성능에 약간의 차이가 있을 수 있으며, 어떤 구성 요소는 단순히 고장 났거나 훨씬 더 노이즈가 심할 수도 있습니다. 만약 컴퓨터가 이러한 결함을 견뎌낼 수 없다면, 제조 과정이 너무나 낭비적이어서 대형 기계를 만드는 것이 불가능해질 것입니다.
한 연구팀은 결함이 있는 부품을 포함하고 있더라도 대규모 양자 프로세서를 효과적으로 작동시키는 방법을 입증했습니다. IBM 보스턴(IBM Boston)으로 알려진 156큐비트 초전도 칩을 사용하여, 그들은 장치 전체에 걸쳐 복잡한 오류 수정 실험을 수행했습니다. 고장 난 부품을 억지로 작동시키려 노력하는 대신, 그들은 그들을 단순히 무시하는 전략을 개발했습니다. 성능이 저하된 구성 요소들을 파악하고 이들을 우회하도록 측정 일정을 재설계함으로써, 연구팀은 높은 성능을 유지할 수 있었습니다. 그들은 최악의 성능을 보이는 부분들을 제외하고 스마트한 컴퓨터 프로그램을 사용하여 결과를 해석함으로써, 오류율을 크게 줄일 수 있다는 것을 발견했습니다. 정보를 저장하기 위해 설계된 테스트에서, 이 접근 방식은 메모리의 신뢰성을 최대 35%까지 향상시켰습니다. 논리 연산을 수행하기 위해 설계된 테스트에서는 그 개선 폭이 더욱 극적이었으며, 56%에 달했습니다. 연구진은 또한 데이터가 '누설(leakage)'이라고 불리는 특정 유형의 실패에 의해 오염되었을 가능성이 있는 실험들을 걸러냄으로써, 사후 선택(post-selected) 실행에서 97%를 초과하는 매우 높은 충실도로 얽힘 상태를 생성할 수 있음을 보여주었습니다.
이 실험은 헤비-헥사고날 격자(heavy-hexagonal lattice)라고 불리는 독특한 레이아웃을 가진 칩에서 수행되었습니다. 이 격자는 단순한 그리드보다 제조하기는 쉽지만 오류 수정을 위해 사용하기는 더 어려운 특정 패턴으로 큐비트를 연결합니다. 연구진은 시간이 지남에 따라 오류를 확인하는 방식을 바꾸는 방법인 동적 코드(dynamic code)를 사용하였는데, 이는 칩의 불규칙성에 적응할 수 있게 해줍니다. 그들은 칩 상에서 구성 요소들이 지속적으로 성능이 저하되는 두 가지 특정 영역을 식별해 냈으며, 이 영역들의 오류율은 장치의 나머지 부분보다 훨씬 높았습니다. 칩 전체를 폐기하는 대신, 연구진은 해당 영역들을 완전히 피하도록 오류 수정 프로토콜을 재설계했습니다. 이는 결함이 있는 구성 요소들을 건너뛰는 약간 더 큰 체크 과정을 새로 만들어, 마치 기계라는 직물의 구멍 주위로 오류 수정을 엮어내는 것처럼 효과적으로 구현되었습니다.
칩에서 나오는 데이터를 이해하기 위해, 연구팀은 정교한 디코딩 전략을 채택했습니다. 그들은 실험 당일 회로의 특정 노이즈 패턴을 측정하는 ACES라는 방법을 사용하여, 오류가 발생할 가능성이 높은 위치에 대한 상세한 지도를 만들었습니다. 이 지도는 디코더(결과를 해석하는 클래식 컴퓨터 알고리즘)로 전달되어, 양자 칩의 가공되지 않은 신호를 해석하여 오류가 발생했는지와 어떻게 수정해야 하는지를 결정하는 번역가 역할을 했습니다. 연구진은 이러한 상세한 실시간 노이즈 정보를 사용하는 것이 일반적인 평균 오류율에 의존하는 것보다 훨씬 더 효과적이라는 것을 발견했습니다. 그러나 그들은 최상의 노이즈 맵을 사용하더라도 결함이 있는 구성 요소의 존재가 성능에 엄격한 한계를 설정한다는 사실 또한 발견했습니다. 디코더는 나쁜 부품들을 완전히 보상할 수 없었으며, 이를 극복하는 유일한 방법은 계산에서 그들을 물리적으로 제외하는 것이었습니다.
연구팀은 세 가지 방식으로 이 접근 방식을 테스트했습니다. 첫째, 양자 상태를 저장하고 시간이 지남에 따라 얼마나 잘 생존하는지 확인하는 메모리 실험을 수행했습니다. 결함이 있는 구성 요소를 제외하고 노이서 정보를 반영한 디코더를 사용함으로써, 논리적 오류율이 현저히 감소한다는 것을 발견했습니다. 가장 좋은 경우, 측정 한 라운드당 오류 확률은 2.56에서 4.11 퍼센트 사이로 줄어들었습니다. 이는 결함이 있는 구성 요소를 사용하거나 덜 정확한 노이즈 모델을 사용하는 것보다 상당한 개선이었습니다. 둘째, 연구진은 오류 수정을 여러 라운드 동안 실행하여 시스템이 시간을 두고 오류를 억제할 수 있는지 확인함으로써 시스템의 안정성을 테스트했습니다. 결함이 있는 구성 요소를 제외하지 않으면, 오류율은 약 12라운드 후에 정체기에 도달하며 개선이 멈추게 됩니다. 하지만 결함이 있는 구성 요소를 제외했을 때, 오류율은 30라운드까지 계속해서 떨어졌으며, 이는 나쁜 부품들을 제거했을 때 시스템이 진정으로 오류를 억제할 수 있음을 보여주었습니다.
마지막으로, 연구진은 기계가 논리 연산, 특히 두 개의 별개 논리 큐비트가 하나로 합쳐지고 상호작용할 수 있게 하는 '격자 수술(lattice surgery)' 과정을 수행할 수 있는지 테스트했습니다. 이는 복잡한 계산을 수행하기 위한 핵심 단계입니다. 그들은 초기 상태가 안전한 계산 공간 밖으로 누설되었을 가능성이 있는 실행들을 필터링함으로써 매우 높은 품질의 결과를 얻을 수 있다는 것을 발견했습니다. 이러한 사전 선택(pre-selection)을 가장 확신할 수 있는 결과만을 남기는 사후 선택(post-selection) 기술과 결합했을 때, 그들은 97% 이상의 충실도로 얽힘 상태를 생성할 수 있었습니다. 이는 결과로 나온 양자 상태가 이상적인 이론적 상태에 매우 가깝다는 것을 의미하며, 이는 미래의 대규모 양자 컴퓨터에 필요한 품질 수준입니다.
이 연구는 양자 컴퓨팅의 미래에 중요한 교훈을 제시합니다: 제조 과정에서의 완벽함이 높은 성능을 달성하기 위해 반드시 필수적인 것은 아닙니다. 칩 위의 구성 요소들은 항상 변할 수 있고, 일부는 필연적으로 고장 날 수 있지만, 시스템은 이러한 결함을 우회하여 작동하도록 설계될 수 있습니다. 연구진은 능동적인 결함 제외와 스마트한 디코딩, 그리고 세심한 필터링을 결합함으로써, 양자 프로세서가 불완전한 하드웨어로 작업할 때도 높은 충실도를 유지할 수 있음을 보여주었습니다. 이 접근 방식은 양자 칩이 더 커지고 복잡해짐에 따라, 개별 구성 요소의 순수한 품질만큼이나 결함을 견디고 우회하는 능력이 중요해질 것임을 시사합니다. 이 연구는 현재 세대의 하드웨어로도 유용한 양자 컴퓨터를 구축할 수 있는 실질적인 경로를 제공하며, 기계가 완벽하지 않더라도 높은 성능이 가능하다는 것을 증명했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.