Meet-in-the-Middle Compilation of the $[\mathrm{CNOT}]$ Class with Fibonacci Anyons

오늘날의 컴퓨터로는 불가능한 문제를 해결할 수 있는 기계를 구축하려는 여정에서, 과학자들은 매우 작은 세계의 기이한 법칙에 의존하는 경로를 탐구하고 있습니다. 비트가 0 또는 1 중 하나인 정보를 처리하는 표준 컴퓨터와 달리, 양자 컴퓨터는 양자 비트, 즉 큐비트를 사용합니다. 이 큐비트들은 0과 1인 상태로 동시에 존재할 수 있는 섬세한 상태를 가질 수 있으며, 이를 통해 병렬적으로 복잡한 계산을 수행할 수 있습니다. 그러나 이 상태는 믿기지 않을 정도로 취약합니다. 열, 진동 또는 전자기적 노이즈로부터 오는 아주 작은 방해라도 정보의 붕괴를 일으킬 수 있는데, 이를 결맞음 해제(decoherence)라고 합니다. 이를 해결하기 위해 엔지니어들은 대개 큐비트를 차폐하거나 추가적인 오류 수정 계층을 더하려고 노력하지만, 이러한 방법들은 단 하나의 안정적인 논리 단위를 만들기 위해 수천 개의 물리적 구성 요소를 필요로 하는 경우가 많습니다.

토폴로지컬 양자 컴퓨팅(topological quantum computing)이라 알려진 다른 접근 방식은 정보 운반체의 본질 자체를 바꿈으로써 이 취약성 문제를 근본적으로 해결하고자 합니다. 이 방법은 표준 입자 대신 애니온(anyon)이라고 불리는 이색적인 준입자를 사용합니다. 이 애니온들을 2차원 공간을 움직이는 실타래라고 상상해 보십시오. 두 개의 애니온을 서로 교환할 때, 그것들은 단순히 서로 튕겨 나가는 것이 아니라 서로를 휘감으며 땋은 머리 모양(braid)을 만듭니다. 정보는 입자 자체에 저장되는 것이 아니라, 그들이 형성하는 땋은 머리의 형태에 저장됩니다. 정보가 실타로의 정밀한 움직임이 아니라 전체적인 엮임의 형태에만 의존하기 때문에, 자연스럽게 작은 오류로부터 보호됩니다. 실이 약간 흔들리더라도 땋은 머리의 형태는 그대로 유지되며 정보는 살아남습니다.

연구자들이 주목하고 있는 특정 유형의 애니온은 피보나치 애니온(Fibonacci anyon)입니다. 이 입자들은 독특한 성질을 가지고 있는데, 두 개가 합쳐질 때 아무것도 남지 않고 사라지거나 혹은 또 다른 피보나치 애니온을 형성하며 결합할 수 있다는 점입니다. 이 단순한 규칙은 이론적으로 보편적 양자 계산을 가능하게 하는 풍부한 수학적 구조를 만들어냅니다. 하지만 여기에는 함정이 있습니다. 유용한 계산을 수행하려면 이 애니온들을 그룹으로 배치하여 논리적 큐비트를 나타내야 합니다. 연구자들이 두 개의 큐비트 게이트(두 정보 조각을 연결하는 기본 연산)를 만들기 위해 여섯 개의 피보나치 애니온을 땋으려고 할 때 문제가 발생합니다. 이 땋은 머리가 존재하는 수학적 공간은 5차원이지만, 두 큐비트 시스템에는 4차원만이 필요합니다. 이 여분의 5번째 차원은 마치 누출구처럼 작용합니다. 만약 땋은 머리가 완벽하지 않다면, 양자 정보의 일부가 의도된 4차원 공간에서 벗어나 사용할 수 없는 5차원 공간으로 흘러 들어갈 수 있습니다. 정보가 그곳으로 누출되면 계산은 실패합니다. 따라서 목표는 필요한 논리 연산을 수행하면서도 정보를 올바른 공간 안에 가두어 둘 수 있는 특정한 땋기 패턴을 찾는 것입니다.

최근 한 연구에서 연구진은 이 과업을 위한 완벽한 땋기 패턴을 찾기 위해 연구를 진행했습니다. 그들은 양자 컴퓨팅의 표준 구성 요소로서 한 큐비트가 다른 큐비트를 제어할 수 있게 해주는 CNOT 게이트와 동등한 특정 클래스의 연산에 집중했습니다. 도전 과제는 누출 오류가 거의 없는 땋기 시퀀스를 찾는 것이었습니다. 땋는 동작의 수가 기하급수적으로 증가하기 때문에, 최적의 시퀀스를 찾는 것은 매 초마다 커지는 건초더미 속에서 바늘 하나를 찾는 것과 같습니다. 이전의 시도들은 무작위 추측이나 반복적인 개선에 의존했는데, 이는 종종 최선의 해답을 놓치곤 했습니다.

이 연구의 팀은 고성능 그래픽 프로세서에서 실행되는 특화된 파이프라인을 구축하여, 정의된 범위 내의 모든 가능한 옵션을 체계적으로 확인하는 방식으로 방대한 양의 컴퓨팅 파워를 사용하는 다른 접근 방식을 취했습니다. 이를 통해 이전보다 훨씬 긴 땋기 시퀀스를 테스트할 수 있었습니다. 그들은 다섯 가지 기본 동작을 사용하여 가능한 모든 시퀀스를 확인하는 것으로 시작하여, 탐색 범위를 21단계의 길이까지 확장했습니다. 이 길이에서 그들은 이전 연구의 무작위 샘플링보다 더 나은 약 0.004의 누출 오류를 가진 게이트 수행 땋기를 찾아냈습니다. 비록 그 무작위 탐색들이 훨씬 더 긴 시퀀스를 살펴보았음에도 불구하고 말입니다.

더 나아가기 위해, 연구진은 모든 가능성을 일일이 확인할 필요가 없다는 것을 깨달았습니다. 그들은 자신들이 찾고 있는 복잡한 땋기 중 상당수가 다섯 가지 기본 동작 중 단 세 가지만을 사용하여 만들어질 수 있다는 것을 발견했습니다. 이 더 작은 집합으로 탐색 범위를 좁힘으로써, 그들은 시간 부족 문제 없이 훨씬 더 긴 시퀀스를 탐색할 수 있었습니다. 그들은 또한 특정 동작으로 시작하고 끝나는 땋기만을 살피고, 다시 회문(palindrome, 앞뒤가 똑같은 순서) 구조를 가진 땋기에 집중하는 등의 스마트한 지름길을 적용했습니다. 이러한 제한 사항들은 최선의 해답을 놓치지 않으면서도 검사해야 할 선택지의 수를 획기적으로 줄여주었습니다.

이러한 최적화된 방법을 사용하여, 팀은 72단계의 땋기까지 전수 조사를 확장했습니다. 이 방대한 공간 속에서, 그들은 약 100억 분의 1 정도의 오류율로 두 큐비트 게이트를 수행하는 69단계의 특정 땋기를 찾아냈습니다. 이는 믿기 힘들 정도로 작은 숫자로, 정보가 의도된 공간 안에 거의 완벽하게 머물렀음을 나타냅니다. 연구진은 또한 유한한 땋기 길이에서는 누출을 정확히 0으로 줄일 수 없지만, 땋기가 길어질수록 0에 임의적으로 가까워질 수 있다는 것을 수학적으로 증명했습니다. 그들은 무작위 확률로 낮은 누출의 땋기를 찾을 확률이 길이에 따라 매우 빠르게 급감하기 때문에, 긴 시퀀스에 대해서는 무작위 탐색이 무용지물이라는 점을 보여주었습니다. 대신, 체계적으로 탐색 범위를 좁히는 그들의 방식이 훨씬 더 효과적임을 입증했습니다.

이 연구는 수학적 통찰력과 무차별 대입 방식의 컴퓨aging 파워를 결합함으로써, 양자 정보를 조작하는 매우 효율적인 방법을 찾는 것이 가능하다는 것을 보여줍니다. 연구진은 단순히 하나의 좋은 땋기 패턴을 찾은 것이 아니라, 미래에 더 나은 패턴을 찾을 수 있는 명확한 경로를 구축했습니다. 그들은 최선의 해답이 무작위 소음 속에 숨겨져 있는 것이 아니라, 문제의 구조를 이해하고 체계적으로 탐색함으로써 밝혀낼 수 있다는 것을 보여주었습니다. 이 작업은 토폴로지컬 보호(topological protection)를 어떻게 활용하여 신뢰할 수 있는 양자 게이트를 만들 수 있는지에 대한 구체적인 사례를 제공하며, 고전적 기계의 범위를 넘어서는 문제를 해결할 수 있는 컴퓨터 구축에 한 걸음 더 다가서게 합니다. 이번 연구 결과는 토폴로지컬 양자 컴퓨터를 향한 길이 복잡할지라도, 이를 항해하기 위한 도구들이 점점 더 날카롭고 정밀해지고 있음을 확인시켜 줍니다.