General Noise Channels and Mid-Circuit Measurements for Pre-Trajectory Sampling with Batched Execution
이 논문은 GPU 상에서 중간 회로 측정 및 일반적인 크라우스 채널(Kraus channels)을 포함하는 노이로이 양자 회로의 빠르고 정확한 시뮬레이션을 가능하게 하는 배치 실행 기반의 일반화된 사전 궤적 샘플링(pre-trajectory sampling with batched execution, PTSBE) 방법을 소개하며, 이는 기존 방식 대비 최대 83배의 속도 향상을 달나 实现하는 동시에 파울리 트월링(Pauli-twirled) 노이즈 근사의 상당한 부정확성을 밝혀낸다.
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
오늘날의 기계로는 도달할 수 없는 문제들을 해결할 수 있는 컴퓨터를 구축하기 위해, 과학자들은 양자 물리학의 기묘한 법칙에 주목하고 있습니다. 이러한 양자 컴퓨터는 원자나 전자와 같이 한 번에 여러 상태로 존재할 수 있는 미세한 입자들을 사용하여, 기존의 컴퓨터로는 할 수 없는 방식으로 정보를 처리할 수 있게 해줍니다. 그러나 이 섬세한 시스템들은 주변 환경에 의해 쉽게 교란되어 계산을 망치는 오류를 일으킵니다. 이를 해결하기 위해 연구자들은 양자 오류 정정(quantum error correction)이라고 불리는 기술을 사용하는데, 이는 정보를 파괴하지 않으면서 시스템을 지속적으로 점검하고 오류를 복구하는 방식입니다. 이 과정은 기계 내부에서 일어나고 있는 일을 추적하기 위해 수천 번의 측정을 필요로 합니다. 이러한 시스템을 설계하고 이를 실행할 소프트웨어를 훈련시키기 위해, 과학자들은 현실적인 조건 하에서 이 컴퓨터들이 어떻게 작동하는지 시뮬레이션해야 합니다. 문제는 이러한 양자 오류의 정확하고도 무질서한 현실을 시뮬레이션하는 것이 매우 느리고 계산 비용이 많이 든다는 점이며, 사용 가능한 더 빠른 방법들은 결과값을 미묘하지만 중요한 방식으로 변화시키는 단순화에 의존한다는 것입니다.
NVIDIA, MIT, 그리고 옥스퍼드 대학교의 연구팀은 이 간극을 메울 수 있는 새로운 방법을 개발하여, 노이즈가 있는 양자 회로의 빠르고 정확한 시뮬레이션을 가능하게 했습니다. 그들의 연구는 양자 시스템이 진화함에 따라 밟아가는 경로를 추적하는 궤적 샘플링(trajectory sampling)이라는 특정 유형의 시뮬레이션에 초점을 맞추고 있습니다. 과거에는 시뮬레이터가 속도와 정확성 중 하나를 선택해야만 했습니다. 가장 빠른 도구들은 단순화된 노이즈 모델만을 다룰 수 있었기에, 양자 컴퓨터가 계산 중간에 자신의 상태를 측정할 때 발생하는 복잡한 실제 상호작용을 사실상 무시했습니다. 더 정확한 도구들은 이러한 복잡성을 다룰 수 있었지만, 현대의 머신러닝에 필요한 방대한 데이터셋을 생성하기에는 너무 느려 실용적이지 못했습니다. 연구진은 배치 실행(batched execution)을 결합한 일반화된 사전 궤적 샘플링(generalized pre-trajectory sampling)이라는 기술을 만들어냈습니다. 이 접근 방식은 미드-서킷 측정(mid-circuit measurements)과 일반적인 유형의 노이즈를 포함하는 양자 회로의 정확한 동작을 이전에는 불가능하다고 여겨졌던 속도로 시뮬레이션할 수 있게 해줍니다.
그들 혁신의 핵심은 양자 역학에 내재된 무작위성을 처리하는 방식에 있습니다. 양자 시스템에서 측정의 결과나 노이즈의 효과는 미리 결정되어 있지 않으며, 확률의 문제입니다. 전통적인 시뮬레이터는 단일 시뮬레이션을 실행하고, 모든 사건에 대해 무작위 선택을 내린 다음, 다음 실행을 위해 처음부터 다시 시작했습니다. 이는 만약 두 번의 실행이 한동안 동일한 경로를 따르게 된다면, 컴퓨터가 동일한 단계를 두 번 계산하느라 시간을 낭비하게 된다는 것을 의미했습니다. 새로운 방법은 시뮬레이션이 시작되기 전에 일부 무작위 결과를 미리 결정함으로써 이를 바꿉니다. 연구진은 확률이 고정되어 있고 시스템의 현재 상태와 독립적인 부분들을 식별하여 해당 결과들을 미리 선택합니다. 시스템의 상태에 의존하는 부분들에 대해서는, 시뮬레이션이 해당 지점에 도달할 때까지 기다렸다가 결정을 내립니다.
이 전략을 통해 연구진은 많은 잠재적 시뮬레이션 실행들을 하나로 묶을 수 있습니다. 만약 일련의 실행들이 동일하게 사전 선택된 결과들을 공유한다면, 이들은 하나의 단위로서 회로를 함께 통과할 수 있습니다. 상태 의존적 결정이 필요한 지점에 도달했을 때만 그룹은 더 작은 가지들로 나뉘며, 각기 다른 경로를 따르게 됩니다. 결정적으로, 연구진은 이미 그룹에 대한 상태를 계산했기 때문에, 모든 가지에 대해 상태를 재계산할 필요가 없습니다. 이들은 캐시된 상태를 재사용하여 엄청난 양의 시간을 절약할 수 있습니다. 시뮬레이션이 끝에 도달하면, 전체 회로를 수천 번 실행하는 대신 단 한 번의 최종 상태로부터 수천 개의 측정 기록을 단일 배치로 생성할 수 있습니다. 이는 양자 오류 정정을 위한 디코더 역할을 수행할 인공지능 모델을 훈련시키는 데 필요한 대규모 레이블링된 데이터셋을 생성하는 데 특히 강력합니다.
연구팀은 토폴로지컬 코드(topological codes)에 정보를 저장하도록 설계된 회로를 포함하여 다양한 양자 회로에 이 방법을 테스트했습니다. 그들이 새로운 시뮬레이터를 현재 사용되는 표준 고성능 도구들과 비교했을 때, 그 결과는 놀라웠습니다. 양자 시스템에서 에너지가 누출되는 방식을 모사하는 진폭 감쇠(amplitude damping)라는 특정 유형의 노이즈가 포함된 회로의 경우, 그들의 방법은 기존 방식보다 최대 24배 더 빨랐습니다. 미드-서킷 측정이 포함된 더 복잡한 무작위 회로의 경우, 속도 향상은 더욱 극적이었으며 최대 83배에 달했습니다. 동일한 시뮬레이션 경로를 사용하여 많은 서로 다른 측정 기록을 생성하도록 설계된 특정 모드에서는, 표준 방식 대비 궤적당 거의 70,000배 더 빨랐습니다 정교한 머신러닝 디코더를 훈련시키는 데 필요한 수백만 개의 데이터 포인트를 예전보다 훨씬 짧은 시간에 생성할 수 있게 된 것입니다.
속도뿐만 아니라, 연구진은 자신들의 방법이 업계에서 흔히 쓰이는 지름길보다 더 정확한 결과를 낸다는 것을 입증했습니다. 파울리 트월링(Pauli twirling)이라 불리는 널리 사용되는 기법은 복잡한 노이즈를 시뮬레이션하기 쉬운 형태로 단순화하지만, 연구팀은 이러한 단순화가 상당한 오류를 유발한다는 것을 보여주었습니다. 양자 메모리 시스템에 대한 테스트에서, 단순화된 모델은 오류가 감지되는 비율을 21% 과대평가했습니다. 더 중요한 것은, 이 단순화된 모델로부터 얻은 데이터로 디코더를 훈련했을 때, 그 결과물은 정확한(unsimplified) 데이터로 훈련된 디코더보다 8% 더 많은 논리적 오류를 범했다는 점입니다. 이 발견은 근사치에 의존하는 것의 치명적인 결함을 강조합니다. 즉, 근사치는 빠를 수는 있지만, 결과적으로 더 효과적일 수 있는 오류 정정 시스템의 설계를 저해할 수 있다는 것입니다. 정확한 노이즈를 속도 저하 없이 시뮬레이션하는 방법을 제공함으로써, 이 새로운 방식은 미래의 양자 컴퓨터를 구축하는 데 사용되는 데이터가 현실을 반영하도록 보장합니다.
이 연구의 함의는 실용적인 양자 컴퓨터를 구축하려는 광범한 노력으로 확장됩니다. 이러한 기계들이 규모와 복잡성이 커짐에 따라, 이를 정확하게 시뮬레이션하는 능력은 병목 현상이 됩니다. 연구진의 방법은 실행 중인 시스템을 측정하는 과정을 포함하여, 다양한 현실적인 노이즈 모델에 대한 이 병목 현상을 제거합니다. 이러한 능력은 특수한 양자 상태를 생성하거나 실시간으로 오류 정정을 수행하는 데 사용되는 미드-서킷 측정과 같은 복잡한 프로토콜을 연구할 수 있는 문을 열어줍니다. 연구팀은 자신들의 소프트웨어를 기존 오픈 소스 플랫폼의 확장 기능으로 공개하여, 다른 과학자들이 즉시 자신의 연구에 이러한 속도 향상을 적용할 수 있도록 했습니다. 고처리량의 정확한 시뮬레이션을 실용적으로 만듦으로써, 이 연구는 결함 허용(fault-tolerant) 양자 컴퓨터의 발전에 필수적인 도구를 제공하며, 차세대 양자 컴퓨터가 정확하고 현실적인 데이터라는 토대 위에 세워질 수 있도록 돕고 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.