부분 양자 오류 정정으로 구현하는 거의 오류‑내성 QML, 비용 대폭 절감

초록

본 논문은 양자 머신러닝(QML) 모델에 완전한 양자 오류 정정(QEC)을 적용하는 대신, 클리포드 연산만 오류 정정하고 단일 큐비트 파라미터 게이트는 노이즈가 있는 상태로 두는 ‘부분 QEC’ 방식을 제안한다. 이를 통해 마법 상태 증류에 따른 거대한 시공간 오버헤드를 두 자릿수 이상 줄이면서도, 단일 큐비트 게이트에 약 0.2 % 디포라징 노이즈(랜덤베치마킹 기준 0.13 % 오류율) 이하이면 학습 가능성을 유지한다. 다양한 노이즈 모델(위상 감쇠, 저온 열소산)에서도 모델의 학습 가능성이 크게 저하되지 않으며, 경우에 따라 열감쇠가 오히려 성능을 향상시킨다.

상세 분석

이 연구는 현재 NISQ 디바이스에서 QML이 직면한 두 가지 핵심 문제—노이즈에 의해 발생하는 barren plateau와 깊은 회로에서의 오류 누적—를 동시에 해결하려는 시도로, 기존의 전면적인 양자 오류 정정이 요구하는 수백만 물리 큐비트 규모의 마법 상태(distillation) 비용을 회피한다는 점에서 혁신적이다. 저자들은 ‘부분 QEC’라는 개념을 도입해, 표면 코드 기반의 클리포드 연산(특히 두 큐비트 CZ 게이트)은 충분히 높은 코드 거리와 적절한 패치 설계로 논리 오류율을 10⁻¹⁰ 수준까지 낮출 수 있다고 가정한다. 반면 파라미터화된 단일 큐비트 회전은 오류 정정을 적용하지 않고 물리적인 오류율 그대로 사용한다. 이는 파라미터 최적화 과정에서 노이즈가 일종의 정규화 역할을 하여, 학습이 여전히 수렴할 수 있음을 실험적으로 입증한다.

논문은 먼저 전체 QEC 적용 시 필요한 시공간 자원을 Azure Quantum Resource Estimator를 이용해 정량화한다. 10‑qubit, 100‑layer QVC 회로를 구현하려면 마법 상태 증류를 포함할 경우 약 1.7 × 10⁶ 물리 큐비트·라운드가 필요하지만, 증류를 생략하고 클리포드 연산만 오류 정정하면 약 1.2 × 10⁴ 물리 큐비트·라운드로 감소한다. 이는 두 자릿수 이상의 비용 절감이며, 논리 사이클당 시간도 크게 단축된다.

노이즈 모델링 측면에서 저자들은 디포라징, 위상 감쇠, 열소산(저온) 채널을 각각 시뮬레이션한다. 디포라징 노이즈에서는 단일 큐비트 게이트 오류율이 0.2 % 이하일 때 그래디언트가 샷 노이즈보다 크게 유지되어 학습이 가능한 ‘노이즈 허용 한계’를 제시한다. 위상 감쇠와 열소산의 경우, 평균 오버로테이션 각도와 무관하게 학습 가능성이 유지되며, 특히 열소산은 상태를 더 순수하게 만들어 디포라징 효과를 상쇄한다는 흥미로운 현상을 발견한다.

실험적으로는 MNIST 10‑class 데이터셋을 이용해 75‑layer QVC 모델(QVC75)을 훈련시켰으며, 부분 QEC 적용 시 최종 정확도는 완전 오류 정정(Fault‑Tolerant) 경우와 거의 차이가 없었다. 그래디언트 크기와 손실 함수 곡선도 노이즈가 존재함에도 불구하고 정상적인 형태를 유지했다. 또한, 시뮬레이션에 소요된 GPU 시간은 3–6일 수준으로, 기존 NISQ 수준의 노이즈 시뮬레이션보다 효율적이었다.

이 논문의 주요 기여는 (1) QML이 단일 큐비트 노이즈에 본질적으로 강인함을 실증, (2) 마법 상태 증류 없이도 충분히 낮은 논리 오류율을 달성할 수 있는 부분 QEC 설계 제시, (3) 다양한 물리적 노이즈 채널에 대한 포괄적 분석을 통해 실용적인 오류 허용 범위를 제시한다는 점이다. 다만, 현재 제안은 클리포드 연산만 오류 정정 가능한 표면 코드 구현이 전제이며, 실제 하드웨어에서 코드 거리와 디코딩 지연이 학습 속도에 미치는 영향, 그리고 더 복잡한 비클리포드 연산이 필요한 QML 아키텍처에 대한 확장 가능성은 추후 연구가 필요하다.