Rigetti, 큐비트 효율적 변분 최적화 알고리즘 초전도 프로세서서 실증

연구 배경: 1:1 매핑의 구조적 한계

기존 QAOA(양자 근사 최적화 알고리즘)는 고전 변수 하나당 물리 큐비트 하나를 할당하는 1:1 구조를 전제로 한다. 문제 규모가 선형적으로 늘수록 필요한 큐비트 수도 함께 증가하기 때문에, 현재의 근거리(near-term) 하드웨어나 초기 오류 내성(FTQC) 시스템처럼 큐비트 수가 제한된 환경에서는 실용적으로 다룰 수 있는 문제 크기에 명확한 상한이 생긴다.

알고리즘 구조: 압축 인코딩과 중첩 상태 저장

Rigetti 팀이 제안한 접근법은 N개의 고전 변수를 D비트 단위의 K개 그룹으로 분할한 뒤, 전체 문제 구성을 압축된 힐베르트 공간상의 얽힘·중첩 상태로 저장한다. 이를 통해 실제 필요한 물리 큐비트 수는 N보다 크게 줄어든다. 알고리즘은 회로 깊이와 큐비트 폭 사이의 균형을 연속적으로 조절할 수 있는 파라미터를 제공하며, 이 점이 다양한 하드웨어 제약 조건에 맞춰 유연하게 적용 가능하다는 구조적 이점이다.

실험 검증: 스핀 글라스 모델과 파라미터 집중 현상

알고리즘 성능 평가에는 고전 최적화의 표준 난제 벤치마크인 Sherrington-Kirkpatrick 스핀 글라스 모델이 사용됐고, Rigetti 자사 9큐비트 초전도 양자 프로세서에서 직접 실행해 결과를 확인했다. 실험에서 파라미터 집중(parameter concentration) 현상이 관측된 점이 주목된다. 이는 동일 계열 문제군에 대해 최적 회로 파라미터를 재사용할 수 있음을 의미하며, 반복적인 고전 최적화 루프에 드는 연산 비용을 실질적으로 낮출 수 있다. 솔루션 품질은 기존 1:1 QAOA에 근접한 수준으로 보고됐다.

지원 기관과 향후 적용 가능성

본 연구는 DARPA와 미국 에너지부 산하 NERSC 시설의 지원을 받아 수행됐다. 연구진은 이 알고리즘이 FTQC 초기 단계처럼 물리 큐비트가 제한된 장치에서도 규모 있는 연속 최적화 문제를 처리할 수 있는 구조적 틀이 될 수 있다고 제시한다.

한계와 남은 과제

검증 실험이 9큐비트 규모에서 수행됐다는 점은 현실적인 산업용 최적화 문제에의 직접 적용 가능성을 판단하기에는 아직 이른 단계임을 의미한다. 또한 솔루션 품질이 표준 QAOA에 '근접'한다고만 명시돼 있어, 품질 손실의 허용 범위와 실용적 기준에 대한 추가 연구가 필요하다. 큐비트 수 절감이 클수록 회로 깊이가 늘어나는 트레이드오프가 실제 하드웨어의 결맞음 시간(coherence time) 한계와 어떻게 상호작용하는지도 확인돼야 한다.