양자 격자 탐색 알고리즘과 고차원 최적화 적용

초록

저자들은 k개의 버킷에서 각각 하나씩 아이템을 선택해 모두 표시된 경우를 찾는 문제를, 여러 개의 Grover 연산자를 병렬로 적용하는 “양자 격자 탐색” 알고리즘으로 해결한다. 알고리즘 1은 마크된 아이템 수가 알려지지 않은 상황에서도 적응적 반복 횟수 λ·m을 사용해 성공 확률을 보장하고, 기대 실행 시간은 O(max_i √(n_i/m_i))이다. 이를 바탕으로 이진 탐색과 결합한 알고리즘 2를 제시해 궤적 최적화(예: 브라키스토크론) 문제에 적용한다. 이론적 분석에서는 고전적 탐색 대비 지수적 가속을 주장하지만, 양자 회로 복잡도와 오라클 구현 가정에 대한 논의가 필요하다.

상세 분석

본 논문은 기존 Grover 검색이 단일 데이터베이스에 대해 √N 수준의 속도 향상만 제공한다는 점을 출발점으로, 다중 데이터베이스(버킷) 상황을 동시에 탐색하는 새로운 프레임워크를 제시한다. 핵심 아이디어는 각 버킷 X_i에 대해 별도의 로컬 오라클 f_i와 Grover 연산자 G_i를 구성하고, 이들을 동일한 양자 레지스터에 병렬로 적용함으로써 “경로”(y_1,…,y_k)가 전부 마크된 경우만을 선택하도록 하는 것이다.

알고리즘 1은 마크된 아이템 수 m_i가 사전에 알려지지 않은 경우를 다루기 위해, 현재 반복 횟수 m을 λ·m(λ≈1+1/(2·√(4k(4k−1)))) 로 점진적으로 확대한다. 각 단계에서 j∈{0,…,⌈m−1⌉}를 무작위로 선택해 G_i를 j번 적용하고, 모든 G_i를 동시에 실행한 뒤 전역 오라클 f를 측정한다. 성공 확률 P_m에 대한 상세한 삼각함수 전개를 통해 P_m ≥ 1/4^k 를 증명하고, 이를 기반으로 기대 실행 횟수가 O(max_i √(n_i/m_i))임을 보인다. 이는 전통적인 고전적 탐색이 필요로 하는 ∏_i n_i 번의 시도에 비해 지수적 절감 효과를 의미한다.

알고리즘 2는 위의 격자 탐색을 비용 함수에 대한 이진 탐색과 결합한다. 먼저 비용 상한/하한을 설정하고, 중간값을 기준으로 격자 탐색을 수행해 해당 비용 이하의 해가 존재하는지 판단한다. 이 과정을 로그 스케일로 반복함으로써 전체 최적화 문제를 O(log C·max_i √(n_i/m_i)) 시간 안에 해결한다(여기서 C는 비용 범위).

하지만 몇 가지 한계점도 존재한다. 첫째, 로컬 오라클 f_i가 실제 물리 시스템에 대해 효율적으로 구현될 수 있는가가 미해결이다. 특히 연속적인 제어 변수와 상태 변수를 이산화하는 과정에서 발생하는 근사 오차는 알고리즘의 정확도에 직접적인 영향을 미친다. 둘째, 병렬 Grover 연산을 구현하려면 k개의 독립적인 양자 회로와 그에 대응하는 다중 오라클이 동시에 동작해야 하는데, 현재 양자 하드웨어의 큐비트 수와 게이트 오류율을 고려하면 실용적인 규모는 제한적이다. 셋째, “지수적 가속”이라는 주장에 대해 고전적 병렬 알고리즘(예: k개의 프로세서가 각각 √n_i 탐색)과 비교하면 실제 속도 향상은 √(∏ n_i) 대비 √(max n_i) 수준으로, 엄밀히 말하면 지수적이라기보다 다중 차원에서의 비대칭적 가속이라고 보는 것이 타당하다.

마지막으로, 기존의 중첩 Grover(다중 레이어)이나 양자 워크 기반 탐색과 비교했을 때 회로 깊이와 자원 요구량이 얼마나 차이 나는지에 대한 정량적 비교가 부족하다. 이러한 점들을 보완한다면 제안된 격자 탐색 프레임워크는 고차원 최적화, 특히 물리‑공학 분야의 복합 제어 문제에 유망한 양자 알고리즘으로 자리 잡을 수 있을 것이다.