Resource efficient Sample Based Quantum Simulation through Fragmentation and Virtual Partitioning of QPU
이 논문은 분자 단편화, 가상 QPU 파티셔닝, 그리고 하프 큐비트 안사츠(half-qubit ansatz)를 결합하여 회로 깊이와 실행 시간을 크게 줄임으로써, 현재의 하드웨어에서 화학적으로 유의미한 시스템에 대한 정확한 샘플 기반 양자 시뮬레이션을 가능하게 하는 자원 효율적인 프레임워크인 FMO-QVM-HCI-HSQD를 소개한다.
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
복잡한 기계가 어떻게 작동하는지 이해하기 위해, 기계를 조각조각 분해하여 각 작은 부품을 개별적으로 연구한 다음, 그 지식들을 정교하게 다시 결합하여 전체를 이해하려고 노력하는 모습을 상상해 보십시오. 이것이 현대 분자 시뮬레이션의 본질입니다. 이 분야에서 과학자들은 새로운 약물과 재료를 설계하기 위해 원자와 분자가 어떻게 행동할지 예측하려고 시도합니다. 수십 년 동안 고전 컴퓨터는 이 과업을 수행하는 데 어려움을 겪어 왔는데, 이는 전자를 지배하는 규칙이 매우 복착하여 정확하게 해결하기 위해 엄청난 컴퓨팅 능력을 필요로 하기 때문입니다. 양자 컴퓨터는 아원자 세계를 지배하는 기묘한 물리 법칙을 사용하여 이러한 문제들을 자연스럽게 해결할 것을 약속합니다. 그러나 현재의 양자 기기들은 여전히 규모가 작고 오류에 취약하여, 실제 세계의 분자들에 필요한 방대한 계산을 실행하기 어렵습니다. 과제는 이 취약하고 초기 단계인 장치들을 사용하여, 노이즈 속에서 길을 잃거나 결과를 얻기 위해 수십 년을 기다리지 않고도 화학적으로 유의미한 대규모 시스템을 다룰 방법을 찾는 것이었습니다.
연구팀은 이를 가능하게 하기 위해 세 가지 뚜리 다른 전략을 결합한 새로운 접근 방식을 개발했습니다. 그들은 자신들의 방법을 FMO-QVM-HCI-HSQD라고 부르며, 이는 거대한 분자 문제를 관리 가능한 조각들로 나누고, 단일 양자 프로세서에서 이 조각들을 동시에 실행하며, 하드웨어의 부담을 줄이기 위해 데이터를 수집하는 단순화된 방법을 사용하는 프레임워크입니다. 이 전략의 첫 번째 부분은 단편화(fragmentation)를 포함합니다. 전체 큰 분자를 한 번에 시뮬레이션하는 대신(이는 현재 존재하는 것보다 더 많은 양자 비트를 요구할 것입니다), 그들은 분자를 작고 독립적인 덩어리들로 나눕니다. 그들은 각 덩어리, 즉 단편(fragment)을 그 자체로 하나의 작은 문제로 취급하며, 주변 부분들의 전기적 영향을 고려하면서 그 에너지를 계산합니다. 이를 통해 하나의 불가능한 거대한 문제 대신 여러 개의 작은 문제들을 해결할 수 있습니다.
두 번째 혁신은 이러한 작은 문제들이 양자 컴퓨터에서 어떻게 실행되는지를 다룹니다. 보통 양자 프로세서는 한 번에 하나의 프로그램만 실행되는 단일 단위로 취급됩니다. 대신 연구진은 양자 프로세서를 여러 개의 독립적인 영역으로 나누는 양자 가상 머신(quantum virtual machine)이라는 기술을 사용했습니다. 이를 통해 동일한 칩의 서로 다른 부분에서 여러 가지 서로 다른 단편 계산을 동시에 실행할 수 있습니다. 이렇게 함으로써 작업들이 하나씩 줄을 서서 기다려야 하는 긴 대기 시간을 피할 수 있으며, 결과적으로 단일 양자 컴퓨터를 많은 제품이 동시에 만들어지는 작은 공장처럼 효과적으로 변모시킵니다. 세 번째 부분은 정보를 수집하는 방식에서의 영리한 지름길을 포함합니다. 전자의 가능한 모든 상태를 설명하는 데 필요한 전체 양자 비트 세트를 사용하는 대신, 그들은 전자의 스핀 중 한쪽 면에만 집중하는 "하프 큐비트(half-qubit)" 접근 방식을 사용합니다. 이는 필요한 비트 수를 절반으로 줄이고, 컴퓨터가 수행해야 하는 연산 시퀀스의 길이인 회로 깊이(circuit depth)를 크게 단축합니다. 짧은 회로는 현재의 양자 장치를 괴롭히는 노이즈에 의해 손상될 가능성이 적습니다.
이 조합의 아이디어가 실제로 작동하는지 테스트하기 위해, 팀은 IBM의 실제 양자 하드웨어를 사용하여 두 가지 매우 다른 시스템에 대한 실험을 수행했습니다. 첫 번째 시스템은 수소 결합으로 결합된 세 개의 물 분자 클러스터인 물 삼량체(water trimer)였습니다. 두 번째는 더 복잡한 생물학적 시스템으로, 항바이러스제 개발의 핵심 표적인 SARS-CoV-2 바이러스의 단백질 표적에 결합된 카르모푸르(carmofur)라는 약물 분자였습니다. 이 실험들에서 그들은 자신들의 새로운 방법을 기존의 더 전통적인 방식들과 비교했습니다. 물 삼량체의 경우, 그들의 접근 방식은 단편들을 하나씩 실행할 때와 비교하여 양자 컴퓨터가 점유되는 시간을 82% 감소시켰습니다. 또한 계산의 복잡성을 거의 40% 줄였습니다. 가장 중요한 것은, 결과가 훨씬 더 비용이 많이 드는 고전적 계산의 정밀도와 일치하면서도 가능한 데이터 공간의 아주 작은 부분만을 사용했다는 점입니다.
약물-단백질 복합체에 대한 결과는 더욱 시사하는 바가 컸습니다. 표준 설정에서 이 분자를 시뮬레이션하려면 깊고 복잡한 양자 회로가 필요하여 신뢰할 수 있는 결과를 얻기 어려웠습니다. 파편화되고 병렬적이며 단순화된 접근 방식을 사용함으로써, 연구진은 회로 깊이를 47% 줄였고 양자 프로세서의 시간을 20% 단축했습니다. 그들은 약물 발견에 있어 황금 표준인 화학적 정확도를 달면서, 전통적인 방식이 탐색해야 할 가능한 데이터 조합의 100분의 1 미만만을 사용했습니다. 이는 이 방법이 단순히 더 빠를 뿐만 아니라, 불필요한 계산에 빠지지 않고 정답을 찾는 데 훨씬 더 효율적임을 시사합니다.
연구진은 심지어 최대 52개의 양자 비트를 요구하는, 훨씬 더 크고 상세한 전자 모델을 사용하여 약물-단백질 복합체를 시뮬레이션함으로써 한계를 더 밀어붙였습니다. 이는 현재의 하드웨어 수준에서 상당한 크기임에도 불구하고, 그들의 방식은 과업을 완수해 냈습니다. 계산된 분자의 총 에너지는 가용한 최선의 고전적 추정치와 아주 미세한 차이만을 보였으며, 이는 약물 발견에 유효하다고 간주되는 범위 내에 있었습니다. 이는 이 프로토콜이 동일한 하드웨어에서 이전 방식들로 시뮬레이션할 수 있었던 것보다 훨씬 더 큰 시스템을 다룰 수 있음을 입증했습니다. 연구진은 이 방법이 강력하지만 마법의 해결책은 아니라는 점을 언급했습니다. 그것은 양자 프로세서의 특정 품질과 단편들이 하드웨어에 매핑되는 방식에 의존합니다. 만약 하드웨어가 너무 노이즈가 심하거나 단편이 가용 영역에 들어갈 만큼 크다면, 그 이점은 줄어듭니다.
궁극적으로, 이 연구는 문제를 나누고, 병렬로 실행하며, 데이터 수집을 단순화함으로써 오늘날의 불완전한 양자 컴퓨터를 사용하여 실제 화학 및 의학적으로 유의미한 분자들을 연구하는 것이 가능하다는 것을 보여줍니다. 연구진은 양자 시뮬레이션의 모든 문제를 해결했다고 주장한 것이 아니라, 명확한 경로를 제시한 것입니다. 그들의 결과는 단편화, 프로세서의 가상 분할, 그리고 하프 큐비트 샘플링의 조합이 현재의 하드웨어에서 화학적으로 유의미한 시스템을 시뮬레이션하는 것을 실현 가능하게 만든다는 것을 시사합니다. 이는 양자 컴퓨터가 일상적으로 새로운 약물을 설계하고 복잡한 재료를 이해하는 데 도움을 주는 날, 즉 한때 이론적인 가능성에 불과했던 것을 과학자들을 위한 실질적인 도구로 바꾸는 날을 향한 중요한 진전입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.