Where magic-state cultivation pays in early fault-tolerant quantum computing: a single-clock cost model of logical error mitigation and magic-state supply

기술 요약: "매직 상태 배양(Magic-state cultivation)이 초기 결함 허용 양자 컴퓨팅에서 이득을 주는 지점"

문제 정의
실시간 디코딩 제약으로 인해 코드 거리가 제한적인(통상적으로 $d \le 11$) 초기 결함 허용(fault-tolerant) 양자 컴퓨팅 시대에는, 현재의 하드웨어 역량과 유용한 알고리즘 요구 사항 사이의 간극을 메우기 위한 두 가지 주요 전략이 존재한다.

• 논리적 오류 완화 (Logical Error Mitigation): 총 회로 오류에 따라 샘플링 오버헤드가 기하급수적으로 증가하는 비용을 감수하면서, 확률적 오류 제거(probabilistic error cancellation, PEC)를 통해 잔류 논리 오류를 억제한다.
• 매직 상태 배양 (Magic-State Cultivation): 전통적인 증류(distillation)보다 더 저렴하게 비-클리포드(non-Clifford) 자원 상태(예: $|T\rangle$)를 준비하기 위해, 작은 컬러 코드(color codes) 내에서 상태를 성장시키고 스테빌라이저(stabilizer)를 통해 사후 선택(post-selection)을 수행한다.

역사적으로 이 두 접근 방식은 일관되지 않은 회계 방식을 사용하여 평가되어 왔다. 완화(mitigation) 추정치는 T-게이트 수를 통해 매직 상태 공급을 처리하면서 공장 면적이나 유휴 오류(idle error)를 고려하지 않는 경우가 많으며, 반면 공장(factory) 추정치는 서로 다른 유휴 오류 모델과 소비 시점을 가정한다. 결과적으로, 배양(cultivation)을 오류 완화와 결합하는 것이 초기 결함 허용 아키텍처에서 물리적 큐비트 수를 줄이거나 실행 가능한 회로 크기를 확장하는지에 대해 일관된 답을 내놓지 못했다.

방법론
저자들은 일관된 노이즈 모델(균등 데포럴라이징 회로 노이즈)과 공통 디코더(2-pass 상관 가중치 최소 매칭) 하에서 네 가지 서로 다른 아키텍처를 평가하기 위해 통합된 단일 클락 비용 모델을 구축하였다.

1. B0: 완화 없는 증류(Distillation).
2. A: 논리적 확률적 오류 제거(PEC)가 적용된 증류.
3. B: 완화 없는 배양(Cultivation).
4. C: 논리적 PEC가 적용된 배양.

이 모델은 데이터 블록, 매직 상태 공급, 그리고 샘플링 오버헤드를 단일 시간 단계($d$ 코드 사이클)로 동기화한다. 주요 아키텍처 파라미터는 다음과 같다:

• 시간 단계당 T-상태 수요 ($\rho$): $\rho = n_L u f_T$로 정의된다. 여기서 $n_L$은 논리 큐비트 수, $u$는 단계당 작용하는 큐비트의 비율, $f_T$는 T-게이트 비율이다. 이는 필요한 공장 또는 배양 면적을 결정한다.
• 노출 (Exposure, $N/u$): 데이터 패치에 축적되는 유휴 오류를 결정한다.

저자들은 표면 코드(surface codes)에 대한 자체 메모리 시뮬레이션을 사용하여 모델을 보정하였으며, $d \le 11$ 머신과 호환되는 탈출 거리($d_2$)에서 발표된 배양 회로들을 재시뮬레이션하였다. 이들은 탐지되지 않은 오류 집합을 열거하여 배양 단계의 정확한 오류 플로어(error floor)를 계산하였고, 그 결과로 나온 물리적 큐비트 수($Q$), 샘플링 오버헤드($\Gamma$), 최대 실행 가능 회로 크기($N_{max}$)를 비교하였다.

주요 기여 및 결과

1. 자원 절감의 결정 요인
본 연구는 자원 트레이드오프가 두 가지 아키텍처 수치인 T-상태 수요($\rho$)와 노출($N/u$)에 의해 지배됨을 밝혀냈다.

• 직렬 레짐 (Serial Regime, $\rho \approx 1$): 머신이 단계당 약 하나의 T-상태를 소비할 때, 배양은 미미한 이점만을 제공한다. 완화에 배양을 추가해도 물리적 큐비트는 단 **6–9%**만 절감되며, 도달 가능한 회로 크기는 최대 **7%**만 확장된다. 이 레짐에서는 완화(mitigation) 단독으로 자원 감소를 주도한다.
• 병렬 레짐 (Parallel Regime, $\rho \approx 30$): 머신이 단계당 약 30개의 T-상태를 소비할 때, 배양은 매우 유리해진다. 증류 전용 방식은 공장 면적이 발자국(footprint)을 지배하기 때문에, 배양을 사용하면 완화된 증류 방식에 비해 물리적 큐비트 수를 71–85% 줄일 수 있다. 그러나 이 레짐에서도 최대 실행 가능 회로 크기는 1.8–2.7배만 증가하며, $d \le 13$에서 $10^{10}$ 연산에 결코 도달하지 못한다.

2. 배양 오류 플로어 및 탈출 거리
저자들은 기존에 발표된 탈출 거리($d_2 = 15$)보다 더 작은 탈출 거리($d_2 \le 11$)에서 배양 프로토콜을 재평가하였다.

• 오류 플로어: $d_1=3$ 배양의 경우, 오류 플로어는 $d_2 \ge 7$인 경우 $d_2$ 값에 관계없이 일정하다. 배양 단계 자체의 정확한 미탐지 오류 플로어는 $6.8 \times 10^{-7}$ (물리적 오류율 $p=10^{-3}$ 기준)이다.
• 탈출 단계의 지배력: $d_2 \le 11$에서 측정된 오류는 "탈출(escape)" 단계(상태를 데이터 거리에 맞게 성장시키는 단계)에 의해 지배되며, 이 단계는 배양 단계 자체보다 2~5배 더 많은 오류를 발생시킨다.
• 증류와의 비교: 사용 시점(소비 오류 포함)에서 비교했을 때, $d \le 11$로 제한된 조건에서 배양의 이점은 출력 오류(exit error)만을 비교했을 때 나타나는 2 자릿수 차이가 아니라, T-상태 오류 측면에서 약 10배 정도이다.

3. 실행 가능성 및 회로 크기 제한

• 회로 크기: 초기 결함 허용 머신($d \le 13$)의 최대 실행 가능 회로 크기는 여전히 완만하다. 배양과 완화를 모두 사용하더라도, 모델은 최대 $\approx 1.5 \times 10^6$에서 $4.5 \times 10^8$ 사이의 연산을 예측하며, 이는 유용한 알고리즘의 기준으로 흔히 인용되는 $10^{10}$에 훨씬 못 미친다.
• 물리적 오류율 임계값: 완화와 배양이 실행 가능한 영역은 물리적 오류율이 $2 \times 10^{-3}$ 미만일 때만 열린다. 현재의 실험적 억제 계수(예: 초전도체 또는 중성 원자 플랫폼)는 현재 수십 개의 완화된 논리 연산만을 지원할 수 있는 수준이다.

4. 보정 및 시공간 비용

• 보정: 저자들은 논리적 오류 완화에 정밀한 오류율 보정이 필요함을 강조한다. 데이터 블록 비율은 병렬로 보정될 수 있지만, T-상태 비율은 결정론적인 파울리 결과(Pauli outcome)의 부재로 인해 직접 측정하기 어렵다. 모델은 물리적 수준의 보정과 노이즈 모델에 대한 신뢰에 의존한다.
• 시공간 트레이드오프: 큐비트 최적화 관점의 배양(물리적 큐비트 최소화)은 더 높은 샘플링 오버헤드($\Gamma$)와 더 긴 실행 시간을 초래하여, 전체 시공간 비용(큐비트 $\times$ 실행 시간)을 완화된 증류보다 높게 만든다. 그러나 모델이 단순히 큐비트 수가 아닌 시공간 비용에 최적화된다면, 배양된 아키텍처는 두 옵션이 존재하는 모든 지점에서 더 저렴해지며, 레짐에 따라 0.19에서 0.90 사이의 비용 감소를 달성한다.

의의 및 주장
본 논문은 데이터 블록, 매직 상태 공급, 그리고 완화 오버헤드를 단일 클락 상에서 평가하는 최초의 일관된 비용 모델을 제공한다고 주장한다. 주요 의의는 다음과 같다:

1. "보상 조건" 정의: 배양은 고수요(병렬) 아키텍처($\rho \approx 30$)에서만 주요한 자원 절감 효과를 제공하며, 직렬 레짐에서는 이점이 미미하다는 것을 입증하였다.
2. 오류 비교의 교정: 배양과 증류를 "출력 오류(exit error)"(공장 출력 시점)를 기준으로 비교하는 것이 배양의 이점을 1~2 자릿수 과장하고 있음을 보여주었다. 관련 비교는 반드시 소비 채널과 머신의 물리적 패치 크스 제약을 포함해야 한다.
3. 현실적인 기대치 설정: $d \le 13$인 경우, 배양이나 완화 단독으로는 $10^{10}$ 연산을 요구하는 알고리즘을 실행할 수 없음을 보여준다. 자원 병목 현상은 머신이 단계당 수십 개의 매직 상태를 소비할 때만 데이터 블록에서 매직 상태 공장으로 이동한다.
4. 다음 병목 지점 식별: 배양의 오류율을 제한하는 요소가 배양 회로 자체가 아니라 "탈출 단계"(배양 거리에서 데이터 거리로 상태를 성장시키는 단계)임을 명확히 하였다.

저자들은 이러한 통합 모델 없이는 초기 결함 허용 시대의 자원 추정치가 일관되지 않은 장부 기록에 기반한 절감 효과를 보고할 위험이 있으며, 배양 프로토콜은 가공되지 않은 출력 오류가 아니라 사용 시점의 비용에 따라 평가되어야 한다고 결론짓는다.