⚛️ 양자물리학

Equilibrium propagation in non-equilibrium quantum systems

본 논문은 양자 상세 균형 대칭성을 활용하는 새로운 비평형 감수성 관계식을 유도함으로써, 반복적인 바닥 상태 이완 과정 없이도 효율적인 학습을 가능하게 하여 평형 전파 훈련 알고리즘을 구동-소산 다체 양자계로 확장한다.

원저자: Aditya Gandotra, David D. Noachtar, Aashish A. Clerk

게시일 2026-10-27

📖 4 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Aditya Gandotra, David D. Noachtar, Aashish A. Clerk

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

물리적 학습(physical learning)이라는 신흥 분야에서, 과학자들은 물리 법칙 자체를 계산의 엔진으로 사용하여 기계가 학습하는 방법을 탐구하고 있습니다. 실리콘 칩 위에서 소프트웨어를 실행하는 대신, 이 시스템들은 원자, 빛 또는 전기 회로의 자연스러운 거동을 사용하여 정보를 처리합니다. 목표는 물리적 객체가 패턴을 인식하거나 문제를 해결하는 것과 같은 특정 과업을 수행할 수 있도록 내부 설정을 조정하여 가르치는 것입니다. 이 과정은 대개 경사 하강법(gradient descent)이라 불리는 방법에 의존하는데, 이는 마치 안개 속에서 산을 내려가며 가장 낮은 골짜기를 찾기 위해 길을 더듬는 등산객처럼, 시스템이 오차를 줄이기 위해 매개변수를 미세하게 조정하는 방식입니다. 이것이 효율적으로 작동하려면, 시스템은 하나의 설정에 대한 작은 변화가 최종 결과에 어떻게 영향을 미치는지 계산할 수 있는 신뢰할 수 있는 방법이 필요합니다. 사물이 차분하고 안정된 상태로 정착하는 표준 물리학의 세계에서는, 평형 전파(equilibrium propagation)라고 알려진 강력한 지름길이 이 계산을 믿을 수 없을 정도로 빠르게 만들어 줍니다. 그러나 이 지름길은 역사적으로 시스템이 완벽한 열적 평형 상태에 있어야 한다는 조건을 요구해 왔으며, 이는 복잡한 양자 시스템, 특히 환경에 의해 능동적으로 구동되고 냉각되는 시스템에서는 유지하기가 매우 어려운 조건입니다.

시카고 대학교의 연구진은 이제 이 한계를 우회하는 방법을 찾아내어, 이 효율적인 학습법이 양자 시스템이 평형에서 멀리 떨어져 있을 때도 작동할 수 있음을 보여주었습니다. 그들의 연구는 구동-소산 시스템(driven-dissipative systems), 즉 외부의 힘에 의해 끊임없이 밀려나면서 동시에 주변 환경으로 에너지를 잃는 양자 객체에 초점을 맞춥니다. 이러한 시스템에서 객체는 조용하고 정적인 상태로 결코 가라앉지 않으며, 대신 얼마나 강하게 밀리느냐에 따라 결정되는 일정한 리듬 속으로 흘러 들어갑니다. 전통적으로 과학자들은 이러한 흐로잉(flowing) 상태에는 가이드 역할을 할 단순한 에너지 지도가 없기 때문에, 효율적인 학습 지름길이 여기에 적용될 수 없다고 믿었습니다. 하지만 연구팀은 이러한 시스템의 거동 방식에 숨겨진 특정한 대칭성이 존재하며, 이 대칭성 덕분에 지름길이 완벽하게 기능할 수 있음을 입증했습니다. 그들은 특정 유형의 양자 시스템의 경우, 인과관계의 관계가 전통적인 에너지 지형 없이도 예측 가능하고 대칭적인 상태를 유지한다는 것을 증명했습니다.

이 아이디어를 테스트하기 위해 연구진은 두 가지 뚜렷한 유형의 양자 기계를 시뮬레이션했습니다. 첫 번째는 외부 장에 의해 구동되면서 에너지를 잃는 동시에 서로 상호작용하는 아주 작은 자석, 즉 스핀(spins)의 네트워크였습니다. 두 번째는 서로 상호작용하며 다른 종류의 힘에 의해 구동되는 빛 입자, 즉 보존(bosons)의 격자였습니다. 두 경우 모두 연구진은 '교사-학생(teacher-student)' 시나리오를 설정했습니다. 교사는 특정하고 복잡한 출력을 만들어내는 알려진 설정 세트를 가진 시스템이었습니다. 학생은 동일한 시스템이지만, 내부 설정이 처음에 무작위 값으로 설정된 것이었습니다. 목표는 학생이 교사의 행동을 모방하도록 훈련하는 것이었습니다. 연구진은 새로운 평형 전파 방법을 사용하여 학생의 설정을 조정하며, 이를 매 계산마다 시스템을 처음부터 다시 초기화해야 하는 기존의 더 번거로운 방법과 비교했습니다.

결과는 새로운 방법이 정확도 측면에서 기존 방법만큼 잘 작동하면서도, 훨씬 더 효율적이라는 것을 보여주었습니다. 시뮬레이션에서 새로운 접근 방식은 동일한 학습 수준에 도달하기 위해 시스템을 정상 상태(steady state)로 준비하는 데 훨씬 적은 시도를 필요로 했습니다. 이는 복잡한 양자 상태를 준비하는 과정이 종종 가장 시간이 많이 걸리고 어려운 부분이라는 점에서 매우 중요한 이점입니다. 연구진은 효율성 이득이 상당하며, 이는 해당 방법이 이전에 가능하다고 생각했던 것보다 훨씬 더 크고 복잡한 시스템을 다룰 수 있음을 시사하는 방식으로 확장된다는 것을 발견했습니다. 또한 연구진은 학생 시스템이 결국 올바른 출력을 생성하도록 학습했지만, 그 시스템이 안착한 내부 설정이 항상 교사와 동일하지는 않았다는 점을 관찰했습니다. 이는 시스템이 동일한 결과에 도달하기 위한 다른 내부 경로를 찾았음을 나타내며, 이는 여러 솔루션이 존재할 수 있는 학습의 흔한 특징입니다.

이 성공의 핵심은 이러한 비평형 시스템이 숨겨진 대칭성, 즉 시스템의 변화에 대한 반응이 특정 방식으로 일관되고 가역적임을 보장하는 수학적 성질을 가지고 있다는 발견이었습니다. 이 대칭성은 활성 상태인 시스템에 결여된 에너지 지도를 대신하는 역할을 합니다. 이 성질에 의존함으로써, 연구진은 기계의 전체 에너지 상태를 알 필요 없이 학습에 필요한 조정을 계산할 수 있는 규칙을 도출할 수 있었습니다. 이 발견은 훨씬 더 다양한 물리적 시스템을 학습 과업에 사용할 수 있는 문을 열어주었으며, 여기에는 정적이고 차분한 시스템이 아닌 본질적으로 능동적이고 역동적인 시스템이 포함됩니다. 이는 물리적 학습의 잠재력이 완벽하게 멈춰진 상태로 냉각될 수 있는 시스템에 국한되지 않고, 구동되는 양자 물질의 풍요롭고 흐르는 세계까지 확장된다는 것을 시사합니다.

이 연구는 양자 학습의 모든 과제를 해결했다고 주장하거나, 실제 하드웨어에서 이 시스템들을 시연한 것은 아닙니다. 결과는 높은 정확도로 이러한 시스템의 거동을 모델링한 정밀한 수치 시뮬레이션을 통해 도출되었습니다. 연구진은 자신들의 특정 모델은 완벽하게 작동했지만, 이 시스템들이 얼마나 표현력이 있는지(즉, 얼마나 복잡한 과업을 학습할 수 있는지)에 대한 더 넓은 문제는 향후 조사가 필요한 개방된 영역임을 언급했습니다. 또한 많은 실제 시스템이 이 유용한 대칭성을 완벽하게가 아니라 근사적으로만 가지고 있을 수 있다는 점도 지적했습니다. 그러한 경우에도 학습 방법은 여전히 작동할 수 있지만, 최적의 솔루션을 찾는 데 더 오랜 시간이 걸릴 수 있습니다. 이러한 가능성은 이 접근 방식이 실제 실험 설정의 불완전함을 처리할 수 있을 만큼 견고할 수 있음을 시사합니다.

궁극적으로, 이 작업은 물리적 기계를 훈련하기 위한 새로운 청사진을 제공합니다. 이는 시스템이 열적 평형 상태에 있어야 한다는 엄격한 요구 사항이 효율적인 학습을 위한 단단한 장벽이 아님을 보여줍니다. 구동 및 소산 시스템에서 학습을 진행할 수 있게 하는 특정 대칭성을 식별함으로써, 연구진은 물리적 컴퓨터를 구축하기 위해 사용할 수 있는 도구 상자를 확장했습니다. 이러한 시스템을 매번 재설정할 필요 없이 효율적으로 훈련할 수 있는 능력은 자가 학습 양자 장치의 비전을 현실에 더 가깝게 만듭니다. 연구 결과는 물리적 학습의 미래가 양자 시스템을 조용한 상태로 강제하는 것이 아니라, 복잡한 과업을 수행하기 위해 그들의 자연스럽고 능동적인 역학을 활용하는 데 있을 수 있음을 시사합니다.

기술 요약: 비평형 양자 시스템에서의 평형 전파(Equilibrium Propagation)

문제 정의
평형 전파(Equilibrium Propagation, EP)는 에너지 또는 자유 에너지 함수의 존재를 활용하여 그래디언트를 효율적으로 추출하는 물리적 학습 시스템을 위한 강력한 훈련 알고리즘이다. 이는 고전 시스템과 평형 양자 시스템(기저 상태 또는 열적 상태인 경우)에 성공적으로 적용되었으나, 양자 응용 분야에는 중요한 병목 현상이 존재한다. 즉, EP는 매 파라미터 업데이트마다 시스템이 기저 상태로 재평형을 이루어야 한다. 다체 해밀토니안(many-body Hamiltonians)에 대한 기저 상태 준비는 일반적으로 QMA-hard이며, 효율적인 준비는 특정 영역(예: 고온 또는 1차원 시스템)으로 제한되는 경우가 많다. 이러한 반복적인 기저 상태 준비에 대한 의존성은 대규모 양자 학습에 있어 심각한 확장성 문제를 야기한다.

저자들은 EP를 **구동-소산 양자 시스템(driven-dissipative quantum systems)**으로 확장할 수 있는지에 대한 질문을 다룬다. 이 시스템은 외부 냉각 메커니즘 없이도 자연스럽게 파라미터에 의존하는 비평형 정상 상태(Non-Equilibrium Steady State, NESS)로 이완된다. EP를 여기에 직접 적용하는 것은 불가능한데, 왜냐하면 이러한 비평형 상태는 잘 정의된 자유 에너지를 갖지 않으며, EP에 필요한 표준적인 감수성 대칭성(susceptibility symmetries)이 보장되지 않기 때문이다.

방법론 및 이론적 프레임워크
본 논문은 마르코프형 린드블라드 마스터 방정식(Markovian Lindblad master equations)에 의해 제어되는 개방 양자 시스템으로 EP를 확장하는 방법을 제안한다. 핵심 방법론은 숨겨진 시간 역전 대칭성(Hidden Time-Reversal Symmetry, hTRS), 즉 양자 상세 균형(quantum detailed balance)의 한 형태를 만족하는 특정 부류의 비평형 시스템을 식별하는 데 기초한다.

숨겨진 시간 역전 대칭성 (hTRS): 저자들은 유효 비가역 해밀토니안(non-Hermitian Hamiltonian)과 점프 연산자가 반선형 연산자 $\hat{\Psi}$ 를 포함하는 특정 제약 조건을 만족하는 조건을 활용한다. hTRS는 NESS가 열적 깁스 상태(Gibbs states)에서 멀리 떨어져 있을 수 있게 허용하지만, 시스템의 역학에 강력한 제약을 가한다.
감수성 대칭성 (Susceptibility Symmetries): 핵심적인 이론적 통찰은 hTRS가 드라이브 위상(drive phases)의 유니터리 변환에 따른 궤도 공변성(gauge covariances)을, 서로 다른 드라이브 크기와 위상을 가진 정상 상태들을 연결하는 비자명한 관계로 승격시킨다는 점이다. 이를 통해 비평형 상태에서도 **정적 감수성 대칭성(static susceptibility symmetries)**을 도출할 수 있다. 구체적으로, 저자들은 특정 관측량에 대해, 드라이브 $j$ 에 대한 관측량 $i$ 의 반응이 드라이브 $i$ 에 대한 관측량 $j$ 의 반응과 같음( $\partial \langle \hat{O}_i \rangle / \partial \theta_j = \partial \langle \hat{O}_j \rangle / \partial \theta_i$ )을 증명한다. 이는 자유 에너지가 없는 상태에서도 성립한다.
EP 훈련 프로토콜: 저자들은 표준적인 2단계 EP 프로토콜을 적응시킨다:
- 자유 단계 (Free Phase): 시스템이 현재 파라미터에 의해 정의된 NESS $\hat{\rho}_0$ 로 이완된다.
- 넛지 단계 (Nudged Phase): 출력 사이트의 드라이브를 오차 벡터( $\vec{\theta}' \to \vec{\theta}' + \beta \vec{\epsilon}$ )에 비례하게 변화시켜 섭동을 가하고, 시스템은 새로운 NESS $\hat{\rho}_\beta$ 로 이완된다.
- 그래디언트 추정 (Gradient Estimation): 유도된 감수성 대칭성에 의존하여 넛지된 상태와 자유 상태 사이의 기대값 차이를 통해 그래디언트를 계산함으로써 정확성을 보장한다.

주요 기여 및 모델
논문은 hTRS가 정확한 감수성 대칭성을 가능하게 함을 보여주는 두 가지 실험적으로 유의미한 다체 모델에 대해 이 결과를 도출한다:

소산적 횡장 이징 모델 (Dissipative Transverse-Field Ising Model, DTFIM): 모든 방향으로 상호작용하는 이징 상호작용과 국소적 이완을 가진 $N$ 개의 라비 구동(Rabi-driven) 큐비트 시스템이다. 저자들은 드라이브 진폭 $\Omega_j$ 에 대해 정상 상태 결맞음(steady-state coherences) $\langle \hat{\sigma}_j^y \rangle$ 가 요구되는 대칭성 $\partial \langle \hat{\sigma}_i^y \rangle / \partial \Omega_j = \partial \langle \hat{\sigma}_j^i \rangle / \partial \Omega_i$ 를 만족함을 보여준다. 주목할 점은 $\hat{\sigma}^y$ 라는 관측량이 해밀토니안에 나타나지 않는다는 것이며, 이는 이 대칭성의 비평형적 성격을 강조한다.
파라메트릭 구동 보존 격자 (Parametrically-Driven Bosonic Lattice): 두 광자 드라이브와 커(Kerr) 비선형성을 가진 상호작용하는 보존 모드들의 시스템이다. 저자들은 실수 값 드라이브 진폭 $M_{ij}$ 에 대해, 정상 상태 쌍 상관관계(pair correlations) $\langle \hat{Y}_{ij} \rangle$ (여기서 $\hat{Y}_{ij} \propto i(\hat{a}_i \hat{a}_j - \hat{a}_i^\dagger \hat{a}_j^\dagger)$ )가 일반화된 감수성 대칭성을 만족함을 입증한다. 이 모델은 공간적 구조와 유계되지 않은 국소 힐베르트 공간을 특징으로 하며, DTFIM보다 더 높은 복잡성을 제공한다.

결과
저자들은 제안된 EP 방법을 "교사-학생(teacher-student)" 학습 설정(교사 시스템의 입출력 매핑을 학생 시스템이 학습하는 지도 학습)을 사용하여 표준적인 파라미터 시프트(parameter-shift) 방법과 벤치마킹하였다.

DTFIM 시뮬레이션: $N=11$ 스핀 시스템에 대해, EP는 파라미터 시프트 방법과 동일한 타겟 입출력 관계에 수렴했다. 그러나 EP는 훨씬 적은 수의 상태 준비를 필요로 했다. 저자들은 그래디언트 업데이트당 필요한 고유한 정상 상태 준비 횟수 측면에서 약 $2M_{train}/3 \approx 6.67$ 의 속도 향상을 보고했다.
보존 격자 시뮬레이션: $N=4$ 모드 시스템에 대해서도 EP는 파라미터 시프트 방법보다 우수한 성능을 보였으며, 6의 속도 향상을 나타냈다. 보존 모델은 비단조적이고 복잡한 입출력 관계를 보였는데, 이는 DTFIM에 비해 더 높은 표현력(expressivity)을 가질 수 있음을 시사한다.
효율성: 두 경우 모두 EP는 상태 준비의 스케일링을 파라미터 수에 선형적인 비례(파라미터 시프트에 필요)에서, 파라미터 수와 무관하게 상수 개(통상 2개 또는 3개)의 상태로 줄였다.

의의 및 주장
본 논문은 반복적인 기저 상태 준비라는 막대한 비용 없이 비평형 양자 시스템에서의 물리적 학습을 위한 실행 가능한 경로를 구축했다고 주장한다.

이론적 돌파구: 이 연구는 평형 전파(EP)의 "평형"이 엄밀하게 열적 평형이나 자유 에너지를 반드시 요구하는 것이 아님을 보여준다. 대신, 이는 특정 정적 감수성의 대칭성을 요구하며, 이는 구동-소산 시스템에서 hTRS에 의해 보장될 수 있다.
확장성: 자연스러운 개방 양자 시스템의 이완 역학을 활용함으로써, 제안된 방법은 기저 상태 준비의 QMA-hardness를 우회하여 다체 양자 시스템을 위한 확장 가능한 훈련 알고리즘을 제공한다.
범위: 저자들은 자신들의 초점이 시스템의 표현력(복잡한 함수를 학습하는 능력)보다는 훈련 가능성(그래디언트 하강 알고리즘의 효율성)에 있음을 명시한다. 결과적으로 hTRS를 가진 비평형 시스템이 풍부한 표현 능력을 가질 수 있음을 시사하지만, 이에 대한 체계적인 연구는 향후 과제로 남겨두었다.
일반성: 저자들은 두 가지 특정 모델에 대해 입증했으나, 이 접근 방식이 소산적 스핀 사슬이나 상호작용하는 페르미온 모델과 같이 hTRS를 가진 다른 시스템에도 적용될 수 있다고 언급한다. 또한, 근사적인 hTRS를 가진 시스템도 활용될 수 있음을 시사하며, 이를 통해 사용 가능한 물리적 시스템의 범위를 확장할 수 있음을 시사한다.

기술 요약: 비평형 양자 시스템에서의 평형 전파(Equilibrium Propagation)

유사한 논문