양자 거부 샘플링: 상태 변환의 최적 쿼리 복잡도

초록

양자 거부 샘플링은 기존의 고전적 거부 샘플링을 양자 버전으로 확장한 개념이다. 주어진 블랙박스가 특정 양자 상태들의 중첩을 알려진 확률 진폭으로 생성할 때, 목표 진폭으로 변환된 동일한 상태들의 중첩을 효율적으로 만들고자 한다. 논문은 이 문제의 쿼리 복잡도를 정확히 규정하고, 반자동성 원리를 연속군에까지 확장한 새로운 하한 증명을 제시한다. 또한 양자 선형 방정식 해법, 양자 메트로폴리스 샘플링, 그리고 임의의 부울 함수에 대한 숨은 이동 문제 등 세 가지 응용을 통해 양자 거부 샘플링이 실질적인 알고리즘 설계 도구임을 보여준다.

상세 분석

이 논문은 “양자 거부 샘플링(Quantum Rejection Sampling, QRS)”이라는 새로운 양자 알고리즘 프레임워크를 정의하고, 그 쿼리 복잡도에 대한 상하한을 정확히 맞추는 결과를 제시한다. 기본 설정은 다음과 같다. 입력으로는 블랙박스 오라클 (O)가 주어지는데, 이 오라클은 알려지지 않은 양자 상태 ({|\psi_i\rangle}_{i=1}^N)와 각각의 초기 진폭 (\alpha_i)를 이용해 (\sum_i \alpha_i |\psi_i\rangle|i\rangle) 형태의 초코히런트(superposition)를 생성한다. 목표는 동일한 (|\psi_i\rangle)들을 새로운 진폭 (\beta_i)로 재구성한 (\sum_i \beta_i |\psi_i\rangle|i\rangle)를 만들고, 이를 일정한 성공 확률로 얻는 것이다. 고전적 거부 샘플링이 “제안 분포”와 “목표 분포” 사이의 비율을 이용해 샘플을 받아들이거나 버리는 방식이라면, QRS는 양자 중첩을 유지하면서 동일한 비율을 양자 연산으로 구현한다는 점에서 근본적으로 다르다.

핵심 기법은 반자동성(automorphism) 원리를 이용해 모든 가능한 오라클에 대해 알고리즘을 대칭화하고, 그 결과를 반정밀도 반정규화(semi‑definite programming, SDP) 형태로 정형화한다는 점이다. 기존의 반자동성 증명은 유한 군에 한정되었으나, 여기서는 연속적인 유니터리 군 (U(d))을 다루어야 한다. 저자들은 “연속군 자동화 원리”를 도입해, 임의의 유니터리 변환에 대해 알고리즘을 평균화함으로써 최적의 성공 확률을 SDP의 최적값과 동일하게 만든다. 이 SDP는 간단히 “물 흐르기(water‑filling)” 형태의 제약식으로 변환되며, 최적 진폭 (\beta_i)는 (\alpha_i)와 목표 분포 (p_i) 사이의 비율을 물 흐르기 규칙에 따라 조정한 결과와 일치한다.

하한 증명에서는 임의의 양자 알고리즘이 오라클에 대해 얻을 수 있는 정보량을 양자 피셔 정보(Fisher information)와 연관 짓고, 이를 통해 성공 확률이 SDP 최적값을 초과할 수 없음을 보인다. 특히, 연속군 평균화 과정에서 발생하는 “양자 회전 불변성”을 이용해 모든 가능한 오라클에 대해 동일한 성능을 보이는 알고리즘만을 고려함으로써, 하한이 일반적인 경우에도 적용 가능함을 증명한다.

세 가지 응용 사례는 QRS의 실용성을 강조한다. 첫 번째는 HHL(Harrow‑Hassidim‑Lloyd) 알고리즘에서 암묵적으로 사용된 상태 재가중치 과정이다. HHL는 선형 방정식 (A\mathbf{x}= \mathbf{b})를 해결하기 위해 (|b\rangle)를 (A)의 고유값에 따라 재가중치하는데, 이는 정확히 QRS가 수행하는 “진폭 재분배”와 동일하다. 두 번째는 Temme‑et‑al.의 양자 메트로폴리스 샘플링에서 메트로폴리스 수용 확률을 양자적으로 구현하는 단계에 QRS를 적용하면, 고전적 거부 샘플링 대비 제곱근 속도 향상을 얻을 수 있다. 마지막으로, 임의의 부울 함수 (f:{0,1}^n\to{0,1})에 대한 숨은 이동 문제는 Fourier 스펙트럼의 절대값을 물 흐르기 방식으로 재분배함으로써, 기존 알고리즘보다 적은 쿼리로 이동값을 찾을 수 있음을 보인다. 이때 쿼리 복잡도는 “Fourier 물 흐르기” 최적값에 정확히 일치한다.

결과적으로, 논문은 양자 상태 변환 문제에 대한 근본적인 복잡도 한계를 제시하고, QRS가 다양한 양자 알고리즘의 핵심 서브루틴으로 활용될 수 있음을 입증한다. 이는 양자 알고리즘 설계에서 “양자 거부 샘플링”이라는 새로운 원시 연산을 제공함으로써, 기존에 복잡도가 높았던 상태 준비 과정을 보다 효율적으로 대체할 수 있는 길을 열어준다.