양자컴퓨터, 초고전적 계산으로 양자 시뮬레이션 한계 돌파… D-웨이브 연구 결과
양자 프로세서, 고전적 방식으로 풀 수 없는 문제 해결 능력 입증 양자 컴퓨터는 수십 년간 특정 작업에서 고전적 알고리즘보다 월등한 속도 향상을 약속해왔다. D-웨이브(D-wave) 연구진은 초전도 양자 어닐링(Quantum Annealing) 프로세서를 사용해 슈뢰딩거 방정식의 해를 빠르게 찾아내는 데 성공했다. 이 연구는 양자 컴퓨팅이 특정 문제에서 '초고전적 계산'(beyond-classical computation) 능력을 보여주는 중요한 사례로, 고전적 컴퓨터로는 현실적인 시간 내에 도달하기 어려운 정확도를 달성했다. 연구진은 이차원, 삼차원 및 무한 차원 스핀 글래스(spin glasses)에서 얽힘(entanglement)의 면적법칙 스케일링을 증명하며, 행렬곱상태(matrix-product-state) 접근법에서 관찰된 확장-지수적 스케일링을 뒷받침했다. 특히 주목할 점은 텐서 네트워크와 신경망 기반의 고전적 방법들이 양자 어닐러와 동일한 정확도를 합리적인 시간 내에 달성할 수 없다는 것이다. 이는 양자 어닐러가 고전적 계산으로는 해결하기 어려운 실질적 중요성을 가진 문제들에 답할 수 있음을 보여준다. 양자 임계 동역학 시뮬레이션: 5000큐비트로 검증된 횡단-장 이징 모델 양자 컴퓨팅의 이론은 특정 작업에서 고전적 알고리즘보다 큰 속도 향상을 약속해왔지만, 실질적인 관심을 가진 문제에서 이러한 능력을 확고히 입증하는 것은 여전히 중요한 과제로 남아있다. 이번 연구는 연속-시간 양자 동역학의 일반적이고 실용적인 문제인 횡단-장 이징 모델(transverse-field Ising model, TFIM)을 시뮬레이션하는 데 중점을 두었다. 초전도 양자 어닐링(QA) 프로세서는 이미 이징형 시스템에서 양자 상전이 시뮬레이션과 큐비트 스핀 글래스에서의 양자 임계 동역학에 활용되어 왔다. 이번 연구에서는 5000개 이상의 큐비트에서 측정된 임계 지수가 예상되는 보편성 클래스의 추정치와 밀접하게 일치하는 것을 확인했다. 이는 슈뢰딩거 진화를 증명하는 설득력 있는 증거지만, 이 매개변수 범위에서도 고전적 방법으로 시뮬레이션할 수 없다는 점을 확립하는 것이 중요하다. 고전 vs 양자: MPS 시뮬레이션과 QPU의 격자 크기별 성능 비교 연구팀은 먼저 작은 문제에서 양자 처리 장치(QPU)의 오차를 평가하기 위해 행렬곱상태(MPS) 시뮬레이션으로 계산된 기준 진실과 비교했다. 서로 다른 설계의 두 가지 양자 프로세서를 사용하여 정사각형, 입방체, 다이아몬드, 이중 클릭(biclique) 등 다양한 차원의 프로그래밍 가능한 토폴로지에서 스핀 글래스를 시뮬레이션했다. 연구 결과, MPS는 이차원 격자 시뮬레이션 문제에 효과적이지만, PEPS(Projected Entangled Pair States)와 NQS(Neural Quantum State) 방법은 느린 퀜치(slow quenches)에서 어려움을 겪는 것으로 나타났다. 특히 이차원 시스템에서 QPU 결과는 L(격자 크기)에 따라 평평한 스케일링을 보였지만, 이를 MPS로 매칭하려면 지수적으로 증가하는 본드 차원이 필요했다. 이는 면적법칙 스케일링과 일치하는 결과다. 양자 우위의 증거: 양자 시뮬레이션에 필요한 고전 컴퓨터는 수백 페타바이트 메모리 필요 고차원 시스템에서는 QPU 오차가 거의 일정하게 유지되는 반면, 이를 MPS로 매칭하려면 훨씬 더 많은 본드 차원이 필요했다. 연구진은 다양한 토폴로지, 크기, 퀜치 속도에서 선형 관계를 관찰했는데, 이는 MPS 표현 복잡성과 얽힘 사이의 긴밀한 연결을 보여준다. 연구진은 고전적으로 시뮬레이션 가능한 시스템에서 얻은 데이터를 바탕으로 더 큰 크기로 외삽했을 때, MPS가 QPU 시뮬레이션 품질을 매칭하기 위해 필요한 계산 리소스를 추정했다. 가장 큰 문제에서는 앞으로 수십 년간 최첨단 슈퍼컴퓨터에서도 QPU 품질에 맞추기 위해 수백 페타바이트의 메모리와 연간 전 세계 전력 소비량을 초과하는 전력이 필요할 것으로 예상된다. 이 스케일링 분석은 모든 고려된 퀜치 시간에서 QPU 품질을 매칭할 수 있는 유일한 방법인 MPS에 적용되며, 모든 고전적 방법에 대한 본질적인 하한은 아니다. 그러나 이 연구는 양자 프로세서가 기존 고전적 방법으로는 해결하기 어려운 복잡한 양자 역학 문제를 정확하게 시뮬레이션할 수 있는 능력을 갖추고 있음을 입증한다. FAQ Q: 양자 어닐링(Quantum Annealing)이란 무엇이며 왜 중요한가요? A: 양자 어닐링은 양자역학적 터널링 효과를 이용해 복잡한 최적화 문제의 해를 찾는 방법입니다. 이 논문에서는 양자 어닐링 프로세서가 고전적 컴퓨터로는 합리적인 시간 내에 해결하기 어려운 양자 시스템 동역학을 시뮬레이션할 수 있음을 보여주는데, 이는 양자 컴퓨팅이 실질적으로 유용한 문제에서 '양자 우위'를 달성할 수 있다는 중요한 증거입니다. Q: 이 연구에서 말하는 '초고전적 계산'(beyond-classical computation)이란 어떤 의미인가요? A: 초고전적 계산이란 양자 컴퓨터가 최고의 고전적 알고리즘보다 본질적으로 더 빠르게 특정 문제를 해결할 수 있는 능력을 의미합니다. 이 연구에서는 양자 프로세서가 양자 스핀 글래스 역학을 시뮬레이션하는 데 있어, 가장 발전된 고전적 방법(텐서 네트워크, 신경망 등)으로도 동일한 정확도를 달성하기 위해 비현실적인 양의 계산 자원과 시간이 필요함을 증명했습니다. Q: 이 연구 결과가 미래 컴퓨팅에 어떤 영향을 미칠까요? A: 이 연구는 양자 컴퓨터가 양자역학 시뮬레이션과 같은 특정 영역에서 고전적 컴퓨터의 한계를 뛰어넘을 수 있음을 보여줍니다. 이는 물리학, 화학, 재료 과학 등 복잡한 양자 시스템을 이해해야 하는 분야에서 중요한 돌파구가 될 수 있으며, 새로운 소재 개발, 약물 설계, 더 효율적인 화학 반응 설계 등 다양한 응용 분야에서 혁신을 가져올 수 있습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)
