표면 부호(Surface Code)의 구조와 스태빌라이저 형식주의

개념 소개

표면 부호(Surface Code)는 Kitaev의 토릭 부호(Toric Code)에서 파생된 위상학적 안정화 부호(topological stabilizer code)로, 2차원 격자 구조와 인접 큐비트 간 국소적 상호작용만으로 양자 오류를 검출·정정한다. 핵심적인 장점은 두 가지다. 첫째, 오류 역치(error threshold)가 약 $p_{\text{th}}\approx 1\%$로 다른 부호에 비해 높다. 둘째, 인접 큐비트 사이의 2체(two-body) 연산만으로 스태빌라이저 측정이 가능하여 현재의 하드웨어 제약에 부합한다. Google, IBM 등이 채택한 핵심 오류 정정 아키텍처다.

핵심 원리

격자 구조

가장 널리 사용되는 **회전된 표면 부호(Rotated Surface Code)**를 기준으로 기술한다. 부호 거리 $d$에서의 구성은 다음과 같다.

구성 요소	개수
데이터 큐비트	$d^2$
X형 보조 큐비트	$(d^2-1)/2$
Z형 보조 큐비트	$(d^2-1)/2$
전체 물리 큐비트	$2d^2-1$

인코딩 비율은 $k/n=1/(2d^2-1)$로, 물리 큐비트 수가 늘어날수록 오버헤드가 크지만 논리 오류율이 지수적으로 감소한다.

스태빌라이저 형식주의

표면 부호의 코드 공간은 스태빌라이저 군 $\mathcal{S}$의 공통 +1 고유 공간이다.

$${\mathcal{H}}_{\text{code}}=\left\{|\psi ⟩:S|\psi ⟩=+|\psi ⟩,\forall S\in \mathcal{S}\right\}$$

스태빌라이저는 두 종류로 구성된다.

Z형 스태빌라이저 (플래킷 연산자): 플래킷 $p$ 주변 데이터 큐비트에 파울리 $Z$를 적용한다. 내부 플래킷은 가중치 4, 경계 플래킷은 가중치 2다.

$$S_Z^{(p)}=\underset{i\in \partial p}{⨂}{Z}_i$$

이 연산자는 **비트 플립(X 오류)**을 검출한다. $X_i$가 $S_Z^{(p)}$와 반통근(anticommute)하기 때문이다.

X형 스태빌라이저 (버텍스 연산자): 버텍스 $v$ 주변 데이터 큐비트에 파울리 $X$를 적용한다.

$$S_X^{(v)}=\underset{i\in \delta v}{⨂}{X}_i$$

이 연산자는 **위상 플립(Z 오류)**을 검출한다.

두 스태빌라이저가 통근함을 확인할 수 있다. 임의의 $S_Z^{(p)}$와 $S_X^{(v)}$는 공유하는 데이터 큐비트 수가 항상 0개 또는 짝수이므로, 부호의 일관성이 보장된다.

$$[S_Z^{(p)},S_X^{(v)}]=0,\forall p,v$$

논리 연산자와 코드 거리

논리 연산자는 스태빌라이저 군에 속하지 않으면서 $\mathcal{S}$의 모든 원소와 통근하는 연산자다. 회전 표면 부호에서 논리 연산자는 격자를 관통하는 파울리 체인이다.

$$\bar{Z}=Z_{(1,1)}\otimes Z_{(1,2)}\otimes \cdots \otimes Z_{(1,d)}\text{(수평 체인)}$$

$$\bar{X}=X_{(1,1)}\otimes X_{(2,1)}\otimes \cdots \otimes X_{(d,1)}\text{(수직 체인)}$$

코드 거리 $d$는 이 논리 연산자의 최소 파울리 가중치와 동일하며, 정정 가능한 최대 독립 오류 수는 다음과 같다.

$$t=\lfloor \frac{d-1}{2}\rfloor$$

신드롬 측정과 디코딩

오류 연산자 $E$가 발생하면 $E$와 반통근하는 스태빌라이저들의 측정값이 $-1$로 바뀐다. 이 $-1$ 결과의 집합을 **신드롬(syndrome)**이라 한다. 신드롬에서 원래 오류를 추론하는 과정이 디코딩이며, 대표 알고리즘으로 **최소 가중치 완전 매칭(MWPM, Minimum Weight Perfect Matching)**이 사용된다.

예시·응용

d=3 표면 부호

$d=3$이면 데이터 큐비트 9개, 보조 큐비트 8개, 총 17개의 물리 큐비트로 논리 큐비트 1개를 인코딩한다. 단일 오류($t=1$)를 정정할 수 있다.

# d=3 표면 부호 스태빌라이저 측정 개념 코드 (Qiskit 스타일)
from qiskit import QuantumCircuit

def measure_z_stabilizer(qc, data_qubits: list, ancilla: int):
    """Z형 스태빌라이저: 데이터 → 보조 CNOT으로 패리티 추출"""
    qc.reset(ancilla)
    for dq in data_qubits:
        qc.cx(dq, ancilla)  # |0⟩ 보조에 X 오류 패리티 누적
    qc.measure(ancilla, ancilla)

def measure_x_stabilizer(qc, data_qubits: list, ancilla: int):
    """X형 스태빌라이저: Hadamard 기저 변환 후 CNOT"""
    qc.reset(ancilla)
    qc.h(ancilla)
    for dq in data_qubits:
        qc.cx(ancilla, dq)  # 보조 → 데이터 CNOT
    qc.h(ancilla)
    qc.measure(ancilla, ancilla)

논리 오류율 스케일링

물리 오류율 $p$가 역치 $p_{\text{th}}$보다 작을 때 논리 오류율은 거리 $d$에 따라 지수적으로 감소한다.

$$p_L\approx A{\left(\frac{p}{p_{\text{th}}}\right)}^{\lceil d/2\rceil }$$

$p=0.1\%$, $p_{\text{th}}=1\%$이면 $p/p_{\text{th}}=0.1$이므로, $d$를 3→5→7로 늘릴 때 $p_L$은 $10^{-2}$→$10^{-3}$→$10^{-4}$ 수준으로 감소한다.

정리

표면 부호는 2차원 격자, Z형·X형 스태빌라이저, 국소적 신드롬 측정이라는 세 축 위에 설계된 실용적 오류 정정 부호다. 코드 거리 $d$를 증가시키면 물리 큐비트 수는 $O(d^2)$로 늘어나지만, 논리 오류율은 지수적으로 감소한다. 높은 오류 역치와 2차원 격자의 물리적 구현 용이성 덕분에 내결함성 양자컴퓨팅의 핵심 기반 기술로 자리잡고 있다.