Resource Analysis of Quantum Optimization Algorithms via Variational Methods

현재의 양자 컴퓨팅 시대에 기계들은 강력하지만 취약합니다. 이들은 큐비트라고 불리는 작고 제한된 수의 단위로 작동하며, 이들은 노이즈에 의해 쉽게 방해를 받고 섬세한 양자 특성을 빠르게 잃어버립니다. 이러한 장치들은 아직 스스로 오류를 수정할 수 없기 때문에, 과학자들은 기계가 고장 나기 전에 문제를 해결하기 위한 특별한 방법들을 개발하고 있습니다. 그러한 방법 중 하나는 양자 컴퓨터가 복잡한 물질의 상태를 준비하고, 고전 컴퓨터가 최적의 답을 찾기 위해 설정을 조정하는 하이브리드 접근 방식을 포함합니다. 이 과정은 두 가지 특정 양자 특성, 즉 입자들이 서로 연결되어 하나의 상태가 다른 상태에 즉각적으로 영향을 미치는 '얽힘(entanglement)'과 시스템이 동시에 다양한 상태의 혼합으로 존재할 수 있는 능력인 '결맞음(coherence)'에 의존합니다. 이러한 특성들이 문제가 해결됨에 따라 어떻게 행동하는지 이해하는 것은 매우 중요한데, 왜냐하면 우리가 언제 그리고 어떻게 이 특성들이 나타나거나 사라지는지 알 수 있다면, 오늘날 우리가 가진 노이즈가 많은 하드웨어에 더 적합한 기계와 알고리즘을 설계할 수 있기 때문입니다.

브라질의 연구진은 '최소 정점 커버(Minimum Vertex Cover)'라는 고전적인 퍼즐을 향해 두 가지 서로 다른 알고리즘을 유도하면서, 이 양자 특성들이 실제로 작동하는 모습을 관찰하기 위해 나섰습니다. 이 퍼즐은 네트워크 내의 모든 선을 건드리는 데 필요한 가장 작은 점들의 집합을 찾는 문제로, 인간이 시각화하기에는 쉽지만 컴퓨터가 효율적으로 해결하기에는 어려운 과제입니다. 연구진은 두 가지 뚜렷한 전략을 비교했습니다. 하나는 최적의 설정을 찾기 위해 전통적인 시행착오의 루프를 사용하는 방식이고, 다른 하나는 그 루프 없이 측정을 통한 즉각적인 피드백을 사용하여 경로를 조정하는 방식입니다. 연구진은 양자 상태가 진화함에 따라 이를 추적하여 얽힘과 결맞음이 어떻게 변화하는지를 지도화했으며, 이를 통해 두 전략이 동일한 목적지에 도달하기 위해 매우 다른 여정을 거친다는 것을 밝혀냈습니다.

양자 근사 최적화 알고리즘(Quantum Approximate Optimization Algorithm)으로 알려진 첫 번째 전략은 등반을 시작할 때 아주 많은 에너지를 모으는 등반가처럼 행동합니다. 알고리즘이 작업을 시작함에 따라, 회로의 초기 몇 단계에서 큐비트 사이의 얽힘이 급격히 치솟습니다. 이러한 초기 연결의 폭발은 시스템이 동시에 많은 가능성을 탐색하는 데 도움을 줍니다. 그러나 알고리즘이 정답에 가까워질수록 이 얽힘은 꾸준히 사라집니다. 솔루션이 발견될 때쯤, 양자 상태는 매우 적은 양의 양자적 연결만을 남긴 채 훨씬 더 표준적인 고전적 답안 목록과 유사한 형태로 자리 잡습니다. 여러 가능성을 유지하는 능력인 결맞음 또한 알고리즘이 수렴함에 따라 감소하지만, 완전히 사라지지는 않습니다. 이 남아 있는 작은 양의 결맞음은 실수가 아닙니다. 퍼즐에는 두 개의 동등하게 좋은 솔루션이 존재하기 때문에, 최종 상태는 두 솔루션의 중첩을 보유하게 되는 필수적인 특징입니다.

대조적으로, 피드백 기반 양자 최적화 알고리즘(Feedback-based Algorithm for Quantum Optimization)이라 불리는 두 번째 전략은 훨씬 더 완만한 경로를 택합니다. 초기에 급격한 스파이크가 발생하는 대신, 이 방식의 얽힘은 회로가 깊어짐에 따라 천천히 그리고 꾸준히 구축되며, 프로세스가 깊어질 때 훨씬 나중에 정점에 도달한 후 솔루션을 찾으면서 서서히 감소합니다. 이 방식의 행동은 더 부드럽고 일관적이며, 양자 결맞음은 오류의 감소를 반영하듯 일정하고 예측 가능한 선을 따라 떨어집니다. 이 방법은 설정을 지속적으로 확인하고 조정하기 위해 별도의 고전 컴퓨터를 필요로 하지 않고, 대신 양자 측정의 즉각적인 결과를 활용하여 다음 단계를 안내합니다. 연구진은 이 접근 방식이 첫 번째 방법보다 전반적인 얽힘 수준을 낮게 유지한다는 것을 발견했으며, 이는 이 방식이 취약한 하드웨어에 덜 까다로울 수 있음을 시사합니다.

연구팀은 첫 번째 방식에 머리 출발을 제공하기 위해 느리고 꾸준한 피드백 방식을 사용하는 하이브리드 버전도 테스트했습니다. 이 결합 모델은 시작 직후의 매우 날카롭고 높은 얽힘 정점과 그 뒤를 잇는 급격한 소멸이라는 독특한 패턴을 만들어냈습니다. 이는 하이브리드 방식이 검색 범위를 빠르게 좁히기 위해 초기 단계에 양자 자원을 집중적으로 투입한 다음, 거의 고전적인 상태에 의로하여 작업을 마무리한다는 것을 시사합니다. 모든 시나리오에 걸쳐 연구진은 알고리즘이 정답에 가까워질수록 양자 상태가 덜 "양자적"이 되고, 우리가 고전 컴퓨터에서 기대하는 단순하고 명확한 답안처럼 변한다는 것을 관찰했습니다. 이것은 양자 능력이 낭비되었다는 의미가 아닙니다. 오히려 복잡한 양자 연결이 경로를 찾기 위해 초기에 제 역할을 다했고, 솔루션이 확정된 후에는 더 이상 필요하지 않게 되었음을 나타냅니다.

현재의 기계로는 모든 세부 사항을 측정하는 것이 너무 느리고 어렵기 때문에, 과학자들은 부레스 메트릭(Bures metric)이라는 개념에 기반한 영리한 수학적 도구를 사용하여 이러한 관찰을 수행했습니다. 전체 상태를 재구성하려고 노력하는 대신, 그들은 연구 중인 상태와 여전히 유사하면서도 가장 단순한 상태를 찾도록 설계된 작은 보조 양자 회로를 실행했습니다. 복잡한 상태와 이 단순하고 자원이 없는 상태 사이의 거리를 측정함으로써, 그들은 얽힘과 결합이 얼마나 존재하는지를 정확하게 계산할 수 있었습니다. 이 방법은 그들이 알고리즘이 실행되는 동안 자원이 진화하는 모습을 실시간으로 관찰할 수 있게 해주었으며, 양자 역학이 문제 해결을 어떻게 뒷받침하는지에 대한 명확한 그림을 제공했습니다.

연구팀은 또한 다른 종류의 문제, 즉 수소 분자의 원자들이 서로 멀어질 때의 행동을 조사했습니다. 이 경우, 연구진은 화학을 위한 다른 알고리즘을 사용하여 원자 사이의 결합이 늘어남에 따라 양자 자원이 어떻게 변하는지 확인했습니다. 그들은 원자 사이의 정상적인 거리 근처에서는 전자들이 잘 조절되고 예측 가능하기 때문에 시스템이 매우 적은 얽힘을 필요로 한다는 것을 발견했습니다. 그러나 결합이 끊어질 때까지 늘어남에 따라 얽힘과 결맞음은 크게 상승합니다. 이러한 증가는 더 이상 단일하고 단순한 그림으로 설명할 수 없는 전자 상호작용의 복잡성이 증가함을 반영합니다. 이 결과는 사용된 자원 추적 도구가 최적화 퍼즐과 화학 반응 모두에서 단순한 행동에서 복잡하고 상관관계가 있는 행동으로의 전환을 감지할 만큼 충분히 민감하다는 것을 확인시켜 줍니다.

궁극적으로, 이 연구는 양자 자원이 최적화 과정에서 행동하는 단 하나의 방법은 없다는 것을 보여줍니다. 그들이 걷는 경로는 사용되는 알고리즘과 해결되는 특정 문제에 따라 전적으로 달라집니다. 어떤 방법에서는 가장 강렬한 양자 활동이 맨 처음에 발생하며, 다른 방법에서는 시간이 지남에 따라 서서히 쌓여갑니다. 이러한 발견은 알고리즘이 수렴함에 따라, 결과 상태가 적어도 얽힘 측면에서는 고전 컴퓨터에 의해 설명될 수 있을 만큼 단순해질 수 있다는 것을 시사합니다. 이러한 통찰력은 미래의 양자 컴퓨팅에 가치가 있는데, 이는 과학자들이 언제 진정으로 양자 기계의 완전한 힘이 필요한지, 그리고 언제 문제가 이미 충분히 단순해져서 양자적 성격이 더 이상 지배적인 요소가 아닌지를 이해하도록 돕기 때문입니다. 이 연구는 양자 기계가 세상에서 가장 어려운 문제들을 해결할 때 어떻게 생각하는지에 대한 더 명확한 시야를 제공하며, 양자 알고리즘의 건강 상태와 진행 과정을 진단하는 새로운 방법을 제시합니다.