⚛️ 양자물리학

Grow, Compress, and Perturb: A Hybrid Quantum-Classical Pathway to Scalable Quantum Chemistry on Quantum Computers

이 논문은 변분 이중 브래킷 흐름(Variational Double Bracket Flow)을 통한 해밀토니안 구배 프리 연산자 생성, 성장 후 압축(grow-then-compress) 회로 최적화 전략, 그리고 확률적 에프스타인-네스벳트(Epstein-Nesbet) 섭동 이론을 결합하여, 기존의 batched ADAPT-VQE와 같은 방법들에 비해 측정 비용과 큐비트 요구량을 크게 줄이면서 양자 화학 시뮬레이션에서 화학적 정확도를 달도하는 하이브리드 양자-고전 프레임워크인 VULCAN을 소개한다.

원저자: Hugo D. Nogueira, Siwar Badreddine, Olivier Adjoua, Diata Traore, Guillaume Michel, Jean-Philip Piquemal

게시일 2026-11-02

📖 3 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Hugo D. Nogueira, Siwar Badreddine, Olivier Adjoua, Diata Traore, Guillaume Michel, Jean-Philip Piquemal

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

원자들이 어떻게 결합하여 분자를 형성하는지를 이해하려는 탐구는 과학에서 가장 근본적인 도전 과제 중 하나입니다. 단순한 분자의 경우, 고전 컴퓨터는 전자의 에너지를 매우 정밀하게 계산할 수 있습니다. 그러나 분자가 커지거나 전자들이 복잡하게 상호작용함에 따라 수학적 난이도는 폭발적으로 증가합니다. 가능한 전자의 배열 수가 너무 빠르게 늘어나기 때문에, 세계에서 가장 강력한 슈퍼컴퓨터조차 많은 중요한 화학 시스템에 대해 방정식을 정확하게 풀 수 없습니다. 이러한 한계는 새로운 약물, 재료, 연료를 설계하는 데 있어 오랫동안 진전을 가로막아 왔습니다.

양자 컴퓨터는 이 벽을 우회할 수 있는 잠재적인 방법을 제시합니다. 정보를 비트로 시뮬레이션하는 대신, 이 기계들은 전자의 거동을 자연스럽게 모방할 수 있는 양자 비트, 즉 큐비트를 사용합니다. 이론적으로 양자 컴퓨터는 분자의 에너지를 완벽하게 모델링할 수 있습니다. 하지만 오늘날 가용한 양자 컴퓨터는 규모가 작고 오류에 취약하며, 이를 '노이즈가 있는 중간 단계(NISQ)' 시대라고 부릅니다. 이들은 완벽한 정확도를 위해 필요한 깊고 복잡한 계산을 수행할 수 없습니다. 이러한 불완전한 기계들과 함께 작업하기 위해, 과학자들은 고전 컴퓨터와 양자 컴퓨터 사이에서 업무를 나누는 하이브리드 방법을 개발했습니다. 가장 대중적인 방법인 변분 양자 고유값 솔버(VQE)는 수학적 모델을 단계별로 구축하여 최저 에너지 상태를 찾으려고 시도합니다. 그러나 이 과정은 병목 현상이 되었습니다. 현재의 최선책들은 다음 단계를 결정하기 위해 컴퓨터가 수천 번의 측정을 수행해야 하며, 이 과정은 느리고 노이즈가 많으며, 진정한 답을 찾기 전에 국소적 오류에 빠지는 경우가 빈번합니다.

연구진은 이러한 장애물을 우회하기 위해 VULCAN이라는 새로운 접근 방식을 도입했습니다. 이들의 방법은 양자 모델을 구축하는 전략을 변경합니다. 한 번에 하나의 작은 조각을 추가하고 에너지 구배(gradient)를 측정하여 다음 조각을 결정하는 대신, VULCAN은 모델을 크고 완전한 층(layer) 단위로 성장시킵니다. 이 방식은 수학적 흐름 방정식(flow equation)을 사용하여 연구 중인 분자와 관련성이 있다고 보장되는 특정 구성 요소 세트를 생성합니다. 이러한 블록들을 한 번에 하나의 전체 층으로 덧붙임으로써, 알고 알고리즘은 연산자를 선택하기 위해 에너지 구배를 측정해야 하는 필요성을 제거하며, 이는 측정 횟수를 획기적으로 줄여줍니다. 이러한 변화를 통해 시스템은 이전 방법들보다 훨씬 적은 측정 비용만으로 화학적 정확도에 도달할 수 있습니다.

연구진은 수소 원자 사슬과 물이나 프로펜 같은 더 복잡한 화합물을 포함한 다양한 분자를 대상으로 이 전략을 테스트했습니다. 시뮬레이션 결과, 이 새로운 방법은 기존의 선도적인 기술이 필요로 하는 측정 자원의 단 5~20%만을 사용하여 원하는 수준의 정확도에 도달했습니다. 더 어렵고 길게 늘어진 형태의 분자들에 대해서는 그 개선 효과가 더욱 극적였습니다. 연구진은 또한 양자 회로를 압축하여 불필요한 단계를 제거함으로써 계산을 현재의 오류가 발생하기 쉬운 기계들에 적합하도록 짧게 유지하는 방법을 개발했습니다. 나아가, 현재의 하드웨어가 제공하는 것보다 더 많은 큐비트를 필요로 하는 더 큰 시스템의 경우, 필수적인 물리 법칙을 잃지 않으면서 문제를 더 작고 단순한 버전의 분자로 투영할 수 있음을 보여주었습니다. 이를 통해 연구진은 20-큐비트 레지스터에서 26-큐비트 문제를 해결했으며, 기존 방법들이 필요한 정확도에 도달하지 못했던 32-큐비트 시스템까지 다룰 수 있었습니다.

양자 회로를 더 깊게 만들지 않고 남은 작은 오류들을 처리하기 위해, 연구진은 완전히 고전 컴퓨터에서 수행되는 마지막 단계를 추가했습니다. 이 단계는 미세하게 무시된 상호작용의 영향을 추정하는 표준 물리 기법인 섭동 이론(perturbation theory)을 기반으로 교정을 적용합니다. 양자 계산에 이 고전적 교정을 결합함으로써, 연구진은 단 한 층의 양자 회로만으로 32-큐비트 시스템에 대한 화학적 정확도를 달 달성했습니다. 이 결과는 계산의 가장 어려운 부분을 고전 프로세서로 오프로딩(offloading)함으로써, 양자 컴퓨터가 더 적은 일을 하면서도 정밀한 결과를 낼 수 있음을 시사합니다.

최대 32개의 논리적 큐비트에 대한 고성능 시뮬레이션을 통해 얻은 이번 발견은 양자 화학을 위한 다른 아키텍처가 가능하다는 것을 입증합니다. VULCAN 프레임워크는 현재 방법들의 무거운 측정 부담을 솔루션을 층 단위로 성장시키고, 결과를 압축하며, 고전적 교정으로 마무리하는 전략과 맞바꿉니다. 이러한 결과는 현재 노이즈가 없는 시뮬레이션에 기반하고 있으며 아직 실제 물리적 하드웨어에 완전히 배포되지는 않았지만, 미래의 양자 컴퓨터가 어떻게 화학 문제를 해결할 수 있는지에 대한 명확한 경로를 제공합니다. 이 연구는 양자 알고리즘을 구축하는 방식을 재고함으로써, 과학자들이 현재 가용한 제한된 자원을 더 잘 활용하여 양자 화학의 약속을 현실로 더 가까이 가져올 수 있음을 시사합니다.

기술 요약: Grow, Compress, and Perturb: 양자 컴퓨터 상의 확장 가능한 양자 화학을 위한 하이브리드 양자-고전 경로

문제 정의
변분 양자 고유치 솔버(VQE)는 잡음이 있는 중간 규모 양자(NISQ) 장치에서의 전자 구조 계산을 위한 선도적인 후보입니다. 그러나 이들의 확장성은 안사츠(ansatz) 설계와 최적화의 근본적인 병목 현상에 의해 저해됩니다. 표준 하드웨어 효율적 안사츠는 바렌 플래토(barren plateaus)와 초기 상태에 대한 민감성 문제를 겪습니다. ADAPT-VQE와 같은 적응형 방식은 연산자 풀(pool)에서 연산자를 동적으로 선택함으로써 표현력을 높이지만, 이는 심각한 측정 오버헤드를 초목합니다. 각 연산자를 선택하기 위해 전체 풀에 대한 에너지 기울기를 평가해야 하며, 이 과정은 확장이 어렵고 샷 노이즈(shot noise)에 취약합니다. 또한, 풀 크기를 줄이기 위한 정적 사전 스크리닝 전략은 예비 VQE 실행을 필요로 하는 경우가 많아, 확장 가능한 배포에는 바람직하지 않은 순환 의존성을 생성합니다.

방법론: VULCAN 프레임워크
저자들은 이러한 병목 현상을 완화하기 위해 "grow, compress, and perturb" 아키텍처를 사용하는 하이브리드 양자-고전 프레임워크인 VULCAN(Variational Upbuilding, Layered Compression, Adaptive N-body perturbation)을 소개합니다.

기울기 프리 레이어 성장 (Variational Upbuilding):
- 연산자 풀 생성: 휴리스틱 풀(예: Qubit-Excitation-Based 또는 QEB 풀)을 사용하거나 시작 상태 선택을 위해 예비 VQE 실행을 요구하는 대신, VULCAN은 동적으로 풀을 생성합니다. VDBF(Variational Double Bracket Flow) 방정식을 활용하여 해밀토니안으로부터 물리적으로 유의미한 들뜸(excitation)을 직접 식별합니다.
- 최소 완전 풀 (Minimal Complete Pools, MCP): VDBF 연산자는 필터링되어 $2N-4$ 크기( $N$ 은 큐비트 수)의 MCP와 결합됩니다. 이는 풀이 타겟 리 대수(Lie algebra)를 생성하면서도 표준 QEB 풀보다 4~12배 더 작게 유지되도록 보장합니다.
- 레이어 부가 (Layered Appending): 연산자를 하나씩 기울기 스크리닝을 통해 선택하는 대신, VULCAN은 전체 레이어를 안사츠에 동시에 추가합니다. 새로운 레이어의 파라미터는 이전 레이어가 동결된 상태에서 최적화됩니다. 이를 통해 해밀토니안 기울기 측정을 완전히 제거하고 에너지 평가에만 의존하게 됩니다.
회로 깊이 관리 (Layered Compression):
- 전체 레이어를 추가하면 회로 깊이가 증가합니다. 이를 해결하기 위해 VULCAN은 중첩 가이드 압축(overlap-guided compression) 기법을 채택합니다.
- 레이어가 성장하고 최적화된 후, 압축 서브 루프는 더 얕은 회로를 재구성합니다. 생성자는 에너지 기울기가 아닌, 타겟(성장 단계의 상태)과의 상태 중첩(state overlap) 기울기에 기반하여 재선택됩니다.
- 풀이 단일 파울리 스트링으로 구성되어 있으므로, 중첩 기울기 크기는 단 한 번의 중첩 평가를 통해 얻을 수 있어 에너지 기울기에 비해 측정 비용을 크게 줄여줍니다. 불충분한 정보 이득이 발생하거나 목표 압축 비율에 도in할 때까지 회로는 가지치기(pruning)됩니다.
큐비트 감소 (Subspace Projection):
- 가용 큐비트 레지스터를 초과하는 시스템의 경우, 해밀토니안은 단일 레이어 안사츠에 의해 생성된 지배적인 결정항(determinant)들이 형성하는 부분 공간(subspace)으로 투영됩니다.
- 들뜸 패턴은 탐욕적 스윕(greedy sweep)과 빔 서치(beam search)를 통해 선택됩니다. 해밀토니안과 연산자 풀은 축소된 큐비트 레지스터 상에서 다시 작성됩니다.
- 2차 Epstein–Nesnet(ENPT2) 추정치가 부분 공간 크기( $k$ )의 적응형 성장을 안내하며, 제외된 결정항의 예상 에너지 기여도를 기준으로 중단 기준을 제공합니다.
고전적 사후 처리 (Perturbation):
- 양자 회로를 깊게 만들지 않고도 화학적 정확도에 도달하기 위해, GPU 하드웨어 상에서 확률적 2차 ENPT2가 클래식하게 적용됩니다.
- 이 보정은 최적화된 VQE 파동함수와 에너지를 시드로 활용합니다. 정확한 평가가 불가능한 더 큰 시스템의 경우, 중요도 샘플링(importance sampling)을 통해 소수의 섭동 항만을 평가합니다. 이를 통해 양자 최적화 루프를 조기에 종료할 수 있습니다.

주요 기여

기울기 스크리닝 제거: 전체 레이어를 부가하고 VDBF 유래 풀을 사용함으로써, ADAPT-VQE의 주요 비용 동인인 해밀토니안 기울기 측정을 제거했습니다.
동적 풀 구축: VULCAN은 예비 VQE 실행 없이도 몇 초 만에 클래식 컴퓨터에서 스타터 연산자와 완전한 풀을 생성하여 "스타터 선택" 문제를 해결합니다.
자원 트레이드오프 조절 가능성: 본 프레임워크는 측정 비용, 회로 깊이, 큐비트 수, 고전적 사후 처리 사이의 조절 가능한 트레이드오프를 제공하여, 사용자가 특정 하드웨어 제약 조건에 맞춰 최적화할 수 있게 합니다.
확률적 ENPT2 통합: 확률적, GPU 가속 ENPT2 보정의 도입은 특히 더 큰 시스템에서 훨씬 적은 양자 자원을 사용하여 화학적 정확도에 도달할 수 있게 합니다.

결과
저자들은 수소 체인( $H_6$ ~ $H_{10}$ ), $BeH_2$ , $H_2O$ (6-31G 기저 함수, 26 큐비트), $C_3H_6$ (32 큐비트)를 포함한 시스템에 대해 무잡음 상태 벡터 에뮬레이션(Hyperion)을 사용하여 batched ADAPT-VQE(QEB 풀 사용)와 VULCAN을 벤치마킹했습니다.

측정 비용: VULCAN은 모든 테스트 시스템에서 batched ADAPT-VQE의 파울리 항 평가 횟수(측정 비용) 대비 5~20% 수준에서 화학적 정확도를 달성했습니다. $H_2O$ (6-31G)의 경우, 확률적 ENPT2와 결합했을 때 베이스라인의 0.05%까지 비용이 감소했습니다.
회로 깊이: 초기 성장 반복에서는 더 깊은 회로가 생성되었으나, 중첩 가이드 압축을 통해 7개 시스템 중 5개에서 CNOT 카운트를 ADAPT-VQE 베이스라인보다 낮게 줄였습니다. 신장된 기하학적 구조(stretched geometries)에서는 개선 효과가 더 두드러졌습니다 (예: $H_{10}$ 의 경우 베이스라인의 $0.14\times$ ).
큐비트 수: 부분 공간 투영은 $H_2O$ (6-31G)의 레지스터 크기를 26에서 20 큐비트로 성공적으로 축소하면서도 정확한 대각화(exact diagonalization)에서 화학적 정확도를 유지했습니다. 이는 해밀토니안 복잡도를 25,035개의 파울리 항에서 8,911개로 줄였습니다.
대규모 시스템: batched ADAPT-VQE가 화학적 정확도에 도달하는 데 실패한 32 큐비트 $C_3H_6$ 시스템의 경우, 단일 VULCAN 레이어와 확률적 ENPT2를 결합하여 목표 정확도를 달립했습니다.
하드웨어 검증: 예비 개념 증명으로서, 방법론을 Quantinuum System Model H2 트랩 이온 장치에서 $H_2$ 에 대해 테스트하였으며, 화학적 정확도에 근접한 결과( $FCI$ 보다 $1.7 \times 10^{-3}$ Ha 높음)를 얻었습니다.

의의 및 주장
논문은 VULCAN이 현재의 적응형 알고리즘이 가진 측정 오버헤드와 회로 깊이 제약을 직접 해결함으로써 확장 가능한 양자 화학을 위한 실질적인 경로를 제공한다고 주장합니다. 저자들은 이 방법이 하나의 고정된 알고리즘이 아니라, 가장 희소한 자원(측정 예산, 큐비트 수, 또는 회로 깊이)에 따라 사용자가 트레이드오프를 탐색할 수 있도록 하는 프레임워크임을 강조합니다.

저자들은 모든 주요 결과가 무잡음 에뮬레이션에 기반했다는 점을 인정하며, 특히 $\sim 10^3$ 개의 파라미터를 가진 레이어에서 샷 노이즈와 하드웨어 오류 하에서의 동작은 아직 확립되지 않았음을 명시합니다. 또한 현재 구현은 입자 수나 스핀을 엄격하게 보존하지 않으므로, 강한 상관 관계 영역에서 스핀 오염(spin contamination)이 발생할 수 있음을 인지하고 있습니다(이는 대칭 미적응 방식의 알려진 문제입니다). 향후 연구 과제로 물리적 NISQ 배포, 더 큰 기저 함수를 위한 투영의 전체 루프 통합, 그리고 패널티 항을 통한 상태 대칭성 복원을 꼽았습니다.

유사한 논문