벌집 격자에서의 양자 공간 탐색

초록

본 논문은 토러스형 경계조건을 갖는 $N$개의 정점으로 이루어진 벌집(육각) 격자에서, 변환 연산과 오라클 질의만 허용되는 공간 탐색 문제를 양자 워크 기반 알고리즘으로 해결한다. 변형된 양자 워크와 Ambainis‑Kempe‑Rivosh(AKR) 프레임워크를 결합해, 목표 정점을 찾는 데 필요한 시간 복잡도가 $O(\sqrt{N\log N})$임을 증명한다.

상세 분석

이 연구는 기존에 정사각형 격자에서 제시된 AKR 양자 검색 알고리즘을 벌집(헥사곤) 격자에 적용하기 위해 두 가지 핵심적인 기술적 난관을 해결한다. 첫째, 벌집 격자는 정점마다 세 개의 인접 정점만을 갖는 2‑차원 비정규 격자이므로, 전통적인 4‑방향(상·하·좌·우) 이동을 전제로 하는 코인 연산자를 그대로 사용할 수 없었다. 저자들은 각 정점에 두 종류의 서브그리드(‘A’와 ‘B’)를 정의하고, 3‑차원 코인 연산자 $C$를 하다다이아고날 형태의 Grover 코인으로 설계하였다. 이 코인은 3개의 가능한 이동 방향(두 개의 인접 정점과 하나의 대각선 이동)으로 균등히 퍼뜨리는 역할을 하며, 정점 색칠(이분 그래프) 구조와 자연스럽게 호환된다.

둘째, 변위 연산 $S$는 코인 상태에 따라 정점을 이동시키는 역할을 하는데, 벌집 격자의 토러스형 경계조건을 고려해 주기적 경계가 정확히 구현되도록 설계되었다. $S$는 코인 레이블 $|0\rangle,|1\rangle,|2\rangle$에 대응해 각각 서로 다른 두 정점 사이를 이동시키며, 이동 후 코인 레이블을 그대로 유지한다. 이렇게 정의된 $U = S,(C\otimes I)$는 전체 시스템의 단위 연산이 된다.

AKR 프레임워크는 “양자 워크 + 오라클” 형태의 연산 $U’ = U\cdot O$를 반복 적용하면서, 목표 정점에 대한 진폭을 점진적으로 증폭시키는 방식을 제시한다. 여기서 오라클 $O$는 목표 정점에만 위상 $-1$을 부여한다. 저자들은 $U’$의 스펙트럼을 Fourier 변환을 이용해 분석하고, 가장 작은 고유값 차이가 $\Theta(1/\sqrt{N\log N})$임을 보였다. 이는 진폭 증폭 과정이 $O(\sqrt{N\log N})$ 번의 반복 후에 목표 정점에 $O(1/\sqrt{\log N})$ 정도의 진폭을 축적한다는 것을 의미한다. 마지막으로, 성공 확률을 $O(1)$ 수준으로 끌어올리기 위해 추가적인 측정 후 고전적 반복(Amplitude Amplification)을 적용하면 전체 복잡도는 $O(\sqrt{N\log N})$가 된다.

이 결과는 정사각형 격자에서 알려진 $O(\sqrt{N\log N})$ 복잡도와 동일하지만, 격자 구조가 달라짐에도 불구하고 동일한 차수의 효율성을 유지한다는 점에서 의미가 크다. 특히, 벌집 격자는 물리학·재료과학(그래핀 등)에서 실제로 구현 가능한 2‑차원 구조이므로, 양자 시뮬레이션이나 양자 네트워크 탐색에 직접적인 응용 가능성을 제시한다. 또한, 코인 차원을 3으로 제한함으로써 구현 복잡성을 낮추고, 토러스형 경계조건을 일반화함으로써 실제 실험 환경(예: 주기적 경계가 자연스럽게 형성되는 광학 격자)에서도 적용 가능하도록 설계되었다.