Quantum State Preparation for Complex-Valued Amplitudes

양자 컴퓨팅 분야에서 과학자들은 오늘날의 슈퍼컴퓨터로는 불가능한 문제를 해결할 수 있는, 아주 작은 세계의 기묘한 법칙에 따라 작동하는 기계를 만들기 위해 끊임없이 방법을 찾고 있습니다. 원자나 전자와 같은 입자를 사용하여 정보를 처리하는 이 기계들은 '양자 상태(quantum state)'라고 불리는 근본적인 개념에 의존합니다. 이 상태를 특정 양의 정보를 담고 있는 컨테이너라고 생각해보십시오. 여기서 정보의 값은 단순한 숫자가 아니라, 동시에 존재하는 복잡한 가능성들의 혼합체입니다. 새로운 재료를 시뮬레이션하거나 원자의 거동을 이해하는 것과 같은 과업에 이 기계들을 유용하게 만들기 위해서는, 연구자들은 이 컨테이너 안에 특정 숫자들을 로드할 수 있어야 합니다. 그러나 중대한 장애물이 존재합니다. 양자 컴퓨터는 표준 컴퓨터처럼 숫자를 0과 1의 시퀀스로 쉽게 저장할 수는 있지만, 이러한 단순한 시퀀스를 고급 계산에 필요한 복잡하고 다층적인 값으로 변환하는 데는 어려움을 겪습니다. 숫자를 저장하는 것과 그 숫자를 양자 계산의 빌딩 블록으로 실제로 사용하는 것 사이의 이러한 간극은 오랫동안 병목 현상이 되어 화학에서 물리학에 이르는 다양한 분야의 발전을 늦춰왔습니다.

프레드 선(Fred Sun)이라는 연구자는 이 간극을 메우기 위한 새로운 방법을 제안하며, 복소수(실수부와 허수부를 모두 가진, 마치 2차원 지도 위의 좌표와 같은 수)를 양자 기계의 양자 상태로 직접 로드할 수 있는 방법을 제시했습니다. 과제는 복소수가 두 개의 별도 정보를 동시에 관리해야 하기 때문에 다루기 어렵다는 점입니다. 기존의 방법들은 실수부와 허수부를 각각 따로 로드한 다음 이를 결합하려고 시도했지만, 이 방식은 종종 많은 추가 자원을 필요로 했고 과정이 느리고 에너지와 시간 측면에서 비효율적이라는 단점이 있었습니다. 선의 연구는 더 직접적인 경로를 제시하는데, 이는 숫자의 크기와 방향을 먼저 계산한 다음, 이 두 값을 사용하여 하나의 일관된 흐름 속에서 최종 양자 상태를 구축하는 절차입니다.

이 새로운 절차의 핵심은 CORDIC(Coordinate Rotation Digital Computer, 좌표 회전 디지털 컴퓨터)라고 불리는 기술에 기반합니다. 이는 수십 년 동안 표준 전자 공학에서 각도와 거리를 계산하기 위해 사용되어 온 영리한 알고리즘이지만, 선은 이를 양자 세계에 맞게 변형했습니다. 제곱근을 구하거나 아크탄젠트를 계산하는 것과 같이 비용이 많이 들고 느린 수학적 연산을 사용하는 대신, CORDIC 방식은 벡터(복소수를 나타내는 것)를 취하여 이미 알려진 방향을 향해 단계적으로 회전시킵니다. 나침반 바늘이 정확히 가야 할 곳을 가리킬 때까지 조금씩 움직이는 것을 상상해 보십시오. 이 과정의 각 단계에서 컴퓨터는 복잡한 나눗셈이나 루트 계산보다 양자 기계가 훨씬 빠르고 쉽게 처리할 수 있는 단순한 시프트(shift)와 덧셈을 수행합니다. 이 회전을 여러 번 반복함으로써, 컴퓨터는 벡터의 길이와 기준선과의 각도를 높은 정밀도로 결정할 수 있습니다.

컴퓨터가 길이와 각도를 결정하면, 이 두 값을 사용하여 원하는 양자 상태를 구축합니다. 먼저, 길이를 특정 상태에서 양자 시스템을 발견할 확률로 인코딩합니다. 그다음, 일련의 게이트(gate, 마치 작은 스위치와 같은 것)를 적용하여 각도를 위상 변화(phase shift)로 도입합니다. 이 위상 변화는 숫자에 '허수'의 성격을 부여하는 데 매우 중요하며, 이를 통해 복소수 값을 완성합니다. 이 접근 방식이 특히 강력한 이유는 원래의 정보를 파괴하지 않기 때문입니다. 전체 과정 동안 컴퓨터는 원래의 실수부와 허수부를 별도의 레지스터에 안전하게 보관합니다. 새로운 상태가 생성된 후, 컴퓨터는 길이와 각도를 계산하기 위해 수행했던 모든 단계를 역순으로 실행하여, 자신의 작업 공간을 효과적으로 정리하고 모든 임시 메모리를 0으로 되돌립니다. 이는 원래의 데이터를 건드리지 않은 채 새로운 양자 상태를 사용할 준비가 된 상태로 남겨두며, 이를 '가역적이고 제자리에서 수행되는(reversible and in-place)' 과정이라고 합니다.

연구진은 이 방법이 매우 효율적이라는 것을 발견했습니다. 이 방식에 필요한 연산 횟수는 입력값을 표현하는 데 사용된 비트 수의 제곱에 비례하여 증가하며, 이는 필요한 정밀도를 고려할 때 감당할 수 있는 수준입니다. 더 중요한 것은, 이 방법이 이전 기술들보다 더 작은 정규화 상수(normalization constant)를 사용한다는 점입니다. 더 간단히 말해, 결과물인 양자 상태가 유용하게 쓰이기 위해 과도한 '부스팅'을 필요로 하지 않고도 이상적인 값에 더 가깝다는 의미입니다. 이러한 오버헤드의 감소는 상당한데, 이는 양자 알고리즘이 신뢰할 수 있는 답을 얻기 위해 계산을 반복해야 하는 횟수를 줄여주기 때문입니다. 계산에 비용이 많이 드는 단계가 포함되어 있고 이를 여러 번 반복해야 할 때, 단계당 아주 적은 양의 자원이라도 아끼는 것은 전체 시간과 에너지 측면에서 막대한 절감으로 이어질 수 있습니다. 논문은 다른 방법들이 더 적은 종류의 논리 게이트를 사용할 수도 있지만, 극 형식(polar representation)으로 인코딩하기 전에 추가적인 산술 연산을 수행할 수 있는 능력과 더 작은 정규화 인자를 가짐으로써 얻는 전반적인 효율성이 이 새로운 구조를 더 우수하게 만든다고 명시적으로 언급하고 있습니다.

이 연구는 양자 컴퓨팅의 모든 문제를 해결했다고 주장하거나, 이 방법이 모든 시나리오에 완벽하다고 제안하는 것이 아닙니다. 저자는 자신의 연구 결과를, 특히 에너지가 시스템을 통해 어떻게 이동하는지를 모델링하는 해밀토니안 시뮬레이션(Hamiltonian simulation)과 같은 대규모 알고리즘에서 이진 데이터로부터 복소수를 준비해야 하는 상황에 대한 구체적인 개선책으로 규정하며 신중하게 서술하고 있습니다. 논문은 크기와 편각(argument)을 함께 계산하고 이를 인코딩함으로써, 별개의 실수부와 허수부를 결합할 때 발생하는 비효율성을 피할 수 있음을 보여줍니다. 그 결과, 입력값이 동시에 존재하는 여러 가능성의 혼합물일 때도 올바르게 작동하는 코히런트(coherent, 결맞음)한 상태 준비 절차를 얻게 되며, 입력 데이터를 미래의 용도를 위해 보존할 수 있습니다. 이진수로부터 복소수 진폭으로 가는 명확하고 가역적인 경로를 제공함으로써, 이 연구는 과학자들이 미래의 양자 컴퓨터를 통해 더 복잡한 시뮬레이션을 실행하고 더 어려운 문제들을 풀 수 있도록 돕는 실질적인 도구를 제공합니다.