Competing Fault Histories in Lattice-Surgery Decoding

작동하는 양자 컴퓨터를 구축하기 위한 경쟁 속에서, 과학자들은 엄청난 취약성이라는 문제를 해결하려 노력하고 있습니다. 양자 비트, 즉 큐비트는 이 기계들의 구성 요소이지만, 아주 작은 방해에도 정보를 잃기 쉬운 극도로 섬세한 특성을 가지고 있습니다. 이를 보호하기 위해 연구자들은 하나의 정보를 여러 물리적 큐비트에 분산시키는 방식인 오류 정정(error correction) 전략을 사용합니다. 컴퓨터는 취약한 데이터를 직접 읽는 대신, 데이터 자체를 들여다보지 않고도 문제가 발생했다는 신호인 '증후(syndrome)'를 확인합니다. 만약 점검 과정에서 오류가 발견되면, 일종의 디지털 심판 역할을 하는 디코더(decoder)가 무슨 일이 일났고 어떻게 고쳐야 할지를 결정해야 합니다. 목표는 유용한 계산을 수행할 수 있을 만큼 충분히 오랫동안 컴퓨터를 작동시키는 것이며, 이를 위해서는 오류율이 특정 임계값 아래로 유지되어야 합니다. 그러나 이 안정성으로 가는 길은 직선이 아닙니다. 한 종류의 실수를 바로잡는 최선의 방법이 의도치 않게 다른 종류의 실수를 악화시킬 수도 있는 복잡한 절충안들로 가득 차 있습니다.

이것이 바로 격자 수술(lattice surgery)이라 불리는 기술을 연구하는 한 연구자가 다루고 있는 구체적인 퍼즐입니다. 격자 수술은 보호된 양자 정보 패치들을 병합하거나 분리하여 계산을 수행하는 방법입니다. 이 연구에서 연구자는 오류가 해석되는 방식에 있어 미묘하지만 중요한 모호함을 발견했습니다. 보안 시스템이 깨진 창문을 목격한 상황을 상상해 보십시오. 보통 시스템은 돌 하나가 던져졌다고 가정합니다. 하지만 이 양자 시나리오에서는, 동일한 깨진 창문이 서로 다른 시간에 발생한 두 개의 작은 사건의 결과일 수도 있습니다. 두 시나리오 모두 동일한 물리적 증거를 남기지만, 계산이 수행되는 결과에 대해서는 정반대의 의미를 내포합니다. 낮은 수준의 노이즈에서는 "돌 하나"라는 설명이 가장 가능성이 높습니다. 하지만 환경이 더 소란스러워지면, "두 개의 작은 사건"이 결합된 확률이 실제로 더 높아질 수 있으며, 이 경우 "돌 하나"를 기준으로 한 수정은 잘못된 선택이 됩니다. 연구자는 이러한 경쟁이 존재한다는 것을 증명할 수 있는지, 그리고 이 지식을 바탕으로 디코더의 결정을 바꾸는 것이 실제로 컴퓨터의 성능을 향상시킬 수 있는지를 알아보고자 했습니다.

이를 조사하기 위해 연구자는 거리 3(distance-three) 회로를 포함하는 특정 소규모 실험에 집중했습니다. 이 설정은 상세하게 분석할 수 있을 만큼 작으면서도 충분히 복잡한 구조입니다. 연구자는 단 하나의 결함 있는 게이트가 리셋(reset) 또는 판독(readout) 작업과 관련된 일련의 결함 쌍과 정확히 동일한 기록을 생성할 수 있는 세 가지 특정 검출기 신호 패턴을 식별했습니다. 첫 번째 시나리오에서는 단일 오류가 하나의 논리적 라벨을 갖는 반면, 두 번째 시나리오에서는 두 개의 오류가 그와 반대되는 라벨을 갖습니다. 연구자는 단순히 가장 눈에 띄는 부분뿐만 아니라 전체 시스템에 걸쳐 이러한 경쟁하는 이력(histories)들의 총 확률을 계산했습니다. 그 결과, 낮은 노이즈 수준에서는 단일 결함 이력이 확실히 더 높은 확률을 가졌지만, 노이즈가 증가함에 따라 그 균형이 기울어진다는 것을 발견했습니다. 두 결함 시나리오의 결합된 가능성이 충분히 커지면서, 단일 결함 수정 방식을 고수하는 것이 시스템에 더 많은 오류를 발생시키기 시작했습니다.

연구자는 이 이론을 테스트하기 위해 디코더의 행동을 의도적으로 변경했습니다. 연구자는 특정 패턴에 대해 단일 결함 규칙을 무시하고 대신 반대되는 라벨을 선택하여, 두 결함 설명에 베팅하는 버전의 디코더를 만들었습니다. 저노이즈 시뮬레이션을 실행했을 때, 이러한 변화는 오히려 오류율을 높여 상황을 악화시켰습니다. 그러나 노이즈를 높이자 효과가 역전되었습니다. 높은 노이즈 수준에서 수정된 디코더는 실제로 오류의 수를 줄였습니다. 그 개선 폭은 작았지만 측정 가능한 수준이었습니다. 테스트된 가장 높은 노이즈 수준에서, 이 변화는 오류율을 약 24.65ppm(parts per million) 감소시켰습니다. 이는 두 종류의 결함 이력 사이의 경쟁이 실재하며, 컴퓨터의 "최선"의 결정은 환경이 얼마나 노이즈가 심한지에 따라 전적으로 달라진다는 것을 확인시켜 주었습니다.

이것이 단순히 수학적 모델의 기벽이 아님을 보장하기 위해, 연구자는 물리적 개입을 수행했습니다. 연구자는 두 결함 시나리오를 담당하는 회로 내의 여덟 가지 특정 채널(큐비트를 리셋하는 것과 관련된 4개, 판독하는 것과 관련된 4개)을 식별하고, 이들의 오류율을 인위적으로 억제했습니다. 이를 회로 내 위치만 다를 뿐 나머지는 모든 면에서 유사한 다른 여덟 개 채널을 억제한 결과와 비교했습니다. 대상 채널들을 억제했을 때는 수정된 디코더의 이점이 사라지거나 심지어 음수가 되었습니다. 반면, 비대상 채널들을 억제했을 때는 그 이점이 유지되었습니다. 이 결정적인 실험은 개선 효과가 일반적인 노이즈 감소가 아니라, 결함의 구체적인 물리적 위치에서 비롯되었다는 것을 증명했습니다. 이는 디코더의 추상적인 의사결정을 회로의 물리적 실체와 직접 연결했습니다.

그 후 연구자는 이 통찰력을 사후에 설명하는 데 그치지 않고, 컴퓨터를 실행하기 전에 최선의 결정을 예측하는 데 사용할 수 있는지 자문했습니다. 연구자는 이러한 경쟁하는 이력들의 가능성을 사전에 계산하는 방법을 개발했고, 그 예측을 사용하여 어떤 라벨을 선택할지 결정했습니다. 연구자는 다양한 노이즈 유형의 혼합 조건과 준비 및 회복 단계가 조금 더 긴 회로에서 이 접근법을 테스트했습니다. 결과는 유망했습니다. 예측 기반 방식은 언제 변화를 적용하고 언제 표준 규칙을 고수할지를 성공적으로 식별해 냈습니다. 더 긴 회로에서 이 방식은 오류율을 13.20ppm 감소시켰습니다. 그러나 이 연구는 또한 이 접근법의 한계를 드러냈습니다. 동일한 로직을 더 크고 복잡한 회로에 적용하려고 했을 때, 연구하던 특정 패턴들이 사라졌습니다. 작은 규모의 설정에서 작동했던 메커니즘이 자동으로 확장되지는 않았습니다.

궁극적으로, 이 연구는 양자 오류를 디코딩하는 것이 하나의 균형 잡기임을 보여주는 구체적인 사례를 제공합니다. 이는 특정 유형의 실수를 고치기 위해 설계된 규칙이 환경이 변할 때 오히려 부담이 될 수 있음을 보여주며, 해결책은 가장 단순한 이력이 아닌 가능한 모든 이력의 전체 확률을 이해하는 데 있다는 것을 보여줍니다. 연구자는 이러한 모호함의 물리적 기원을 식별하고 하드웨어에 직접 개입함으로써, 비록 미미한 차이일지라도 성능을 개선하고 자신의 이론을 검증할 수 있음을 입증했습니다. 얻은 이득은 적고 방법론에는 명확한 경계가 있지만, 이 연구는 추상적인 오류 정정 수학을 기계의 물리적 행동과 연결하는 방법에 대한 명확한 로드맵을 제시하며, 양자의 세계에서는 정답이 단일한 고정 규칙이 아니라 시간과 맥락의 문제라는 것을 증명했습니다.