Efficient Block Encodings for Ensembles of Molecular Hamiltonians

약물 분자가 어떻게 작용하는지 이해하기 위해, 과학자들은 종종 분자를 고정된 하나의 물체가 아니라 끊임없이 움직이고 회전하는 유연한 형태로 바라봐야 합니다. 분자들은 끊임없이 진동하고, 회전하며, 내부 각도를 변화시키는데, 이러한 움직임이 인체와 상호작용하는 방식을 결정합니다. 이러한 거동을 예측하기 위해 연구자들은 수천 개의 서로 다른 형태에 걸친 분자의 에너지를 계산해야 하며, 이는 방대한 가능성의 지형을 만들어내는 작업입니다. 수십 년 동안 양자 컴퓨터는 이러한 분자 에너지를 설명하는 복잡한 방정식을 해결할 궁극적인 도구로 제안되어 왔습니다. 그러나 전통적인 양자 방식은 각 형태를 별개의 문제로 취급하여, 컴퓨터가 모든 구성에 대해 각각 별도의 비용이 많이 드는 계산을 실행하도록 요구합니다. 이 접근 방식은 형태의 수가 수천 개로 늘어날 때 비실용적이 되는데, 왜냐하면 계산 비용이 형태의 수에 직접 비례하여 상승하여 가장 강력한 기계조차 빠르게 압도하기 때문입니다.

PsiQuantum과 베링거인겔하임(Boehringer Ingelheim)의 연구팀은 이러한 병목 현상을 우회하여 양자 컴퓨터가 전체 분자 형태 군(family)을 동시에 처리할 수 있는 새로운 방법을 개발했습니다. 연구팀은 수천 개의 서로 다른 분자 기하 구조를 별개의 관련 없는 퍼즐로 취급하는 대신, 그들 사이의 깊은 유사성을 인식하는 방법을 찾아냈습니다. 그들은 일련의 자물쇠를 여는 마스터 키와 같은 역할을 하는 SVD-THC라는 기술을 만들었습니다. 그룹 내 모든 형태에 걸쳐 공유되는 수학적 패턴을 분석함으로써, 이 방법은 수천 개의 기하 구조에 대한 정보를 하나의 통합된 회로로 압축합니다. 이를 통해 양자 컴퓨터는 형태들을 하나씩 차례대로 처리하는 대신, 전체 앙상블(ensemble)을 한 번에 진화시킬 수 있습니다.

연구진은 단순한 원자 사슬부터 단백질의 구성 요소를 모방한 복잡한 펩타이드 구조에 이르기까지 세 가지 서로 다른 분자 시스템에 대해 이 접근 방식을 테스트했습니다. 그들은 각 분자에 대해 수천 개의 형태를 가진 그리드를 생성했으며, 가장 큰 세트는 5,000개가 넘는 뚜렷한 구성을 포함했습니다. 이 시뮬레이션에서 새로운 방법은 놀라울 정도로 효율적임을 입증했습니다. 전통적인 방식은 컴퓨터가 모든 형태에 대해 별도의 전체 계산을 수행해야 하는 반면, 새로운 방법은 전체 그룹을 처리하는 단일 회로를 구축했습니다. 형태의 수가 증가함에 따라 기존 방식의 비용은 가파르게 상승한 반면, 새로운 방법의 계산 비용은 거의 변하지 않았습니다. 알라닌 디펩티드(alanine dipeptide) 분자를 포함한 5,184개의 기하 구조가 있는 가장 큰 테스트 케이스의 경우, 새로운 방법은 표준 방식에 비해 필요한 기본 논리 게이트의 수를 200배 줄였습니다. 더 작은 형태의 그룹에 대해서도 절감 효과는 상당했으며, 그룹의 크기가 불과 수십 개에 달했을 때부터 이 방법은 전통적인 방식보다 더 효율적이 되었습니다.

이 성과의 핵심은 연구진이 데이터를 조직하는 방식에 있습니다. 그들은 원자의 위치가 형태마다 변하지만, 근본적인 전자 상호작용은 흔히 예측 가능한 저계수(low-rank) 패턴을 따른다는 점을 깨달았습니다. 수학적 분해를 사용하여 공유된 전자 구조를 특정 기하학적 세부 사항과 분리함으로써, 그들은 단일 "멀티플렉스(multiplexed)" 회로를 구축할 수 있었습니다. 이 회로는 현재 형태의 인덱스를 보유한 양자 레지스터의 안내를 받아 다양한 형태 사이를 자동으로 전환하도록 설계되었습니다. 연구진은 계산에서 가장 비용이 많이 드는 부분인 데이터를 컴퓨터에 로드하는 과정이 모든 형태에 대해 반복될 필요가 없다는 것을 발견했습니다. 대신, 전체 앙상블에 대한 데이터를 한 번만 준비하여 재사용할 수 있으며, 각 새로운 형태에 대해서는 아주 작은 상수 오버헤드만 추가하면 되었습니다. 이는 이전 방식에서 나타난 선형적 성장보다 훨씬 완만한 스케일링 동작을 결과로 가져왔습니다.

실질적인 관점에서 이는 약물 후보 물질의 전체 에너지 지형을 매핑하거나 분자가 시간에 따라 어떻게 움직이는지 시뮬레이션하는 것과 같이, 이전에는 양자 컴퓨터가 도달할 수 없었던 과제들이 가능해질 수 있음을 의미합니다. 연구진은 이 방법이 그리드의 모든 형태에 대한 에너지를 정확하게 예측하면서도, 오차를 화학적 정확도(chemical accuracy)에 부합하는 엄격한 범위 내로 유지할 수 있음을 입증했습니다. 또한 이 방법이 정돈된 규칙적인 그리드 형태가 아닐 때도 잘 작동함을 보여주었는데, 이는 실제 신약 개발 과정에서 자주 나타나는 무질서하고 불규칙한 형태의 집합에도 적용될 수 있음을 시사합니다. 이 연구는 분자 앙상블에 내재된 중복성을 활용함으로써, 양자 컴퓨터가 고립된 문제를 해결하는 것을 넘어 복잡하고 역동적인 시스템을 다룰 수 있음을 보여줍니다.

또한 이 연구는 미래의 결함 허용(fault-tolerant) 양자 컴퓨터에서 이 작업을 수행하는 데 필요한 구체적인 자원을 강조했습니다. 연구진은 알고리즘을 실행하는 데 필요한 큐비트와 논리 게이트의 수를 계산하였으며, 게이트 수에서의 절감은 상당하지만, 데이터 로딩 오버헤드로 인해 컴퓨터가 활성화되어 있는 총 시간에서의 절감은 다소 작다는 것을 발견했습니다. 이러한 차이는 향후 개선할 수 있는 지점을 명확히 짚어줍니다. 연구진은 논리 게이트 수는 급격히 감소했지만, 컴퓨터가 활성화되어 있는 시간은 여전히 데이터를 이동시키는 비용의 영향을 받는다는 점을 언급했습니다. 이러한 데이터 로딩 오버헤드를 줄이는 것은 이 방법의 이론적 잠재력과 실제 적용 사이의 간극을 더욱 좁힐 수 있을 것입니다.

궁극적으로, 이 연구는 분자 형태의 앙상블을 서로 떨어진 스냅샷의 집합이 아닌, 하나의 응집된 실체로 다루는 양자 화학의 새로운 프리미티브(primitive)를 제공합니다. 연구 결과는 많은 관련 기하 구조를 포함하는 문제의 경우, 양자 이점(quantum advantage)이 단순히 더 나은 하드웨어를 기다리는 문제가 아니라, 문제를 인코딩하는 더 스마트한 방법을 찾는 문제임을 시사합니다. 수천 개의 형태의 표현을 단일 회로로 압축함으로써, 연구진은 양자 컴퓨터가 분자의 거동을 정의하는 복잡하고 다차원적인 지형을 잠재적으로 다룰 수 있음을 보여주었습니다. 이는 분자가 목표물에 어떻게 결합하는지, 단백질이 어떻게 접히는지, 그리고 화학 반응이 어떻게 진행되는지에 대한 더 정확한 예측의 문을 열어주며, 이 모든 과정은 분자 세계의 공유된 구조를 활용함으로써 가능해집니다.