소프트 정보 기반 논리 레벨 양자 오류 완화

초록

본 논문은 표면 코드와 최신 디코더가 제공하는 소프트 정보를 활용해 논리 수준에서 양자 오류 완화(QEM)를 수행하는 프레임워크를 제시한다. 포스트셀렉션·런타임 중단, 확률적 오류 취소, 제로 노이즈 외삽 등 세 가지 기법을 개발해 논리 오류율을 100배 이상 감소시키면서 샷 손실은 0.1% 이하로 억제한다. 시뮬레이션 결과, 기존 QEC만 사용하는 방식 대비 최대 87.4%의 시공간 오버헤드 절감 효과를 확인하였다.

상세 분석

이 연구는 기존 QEC와 QEM이 서로 독립적인 단계로 인식되던 관점을 뒤집는다. 표면 코드와 같은 고전적인 오류 정정 코드에서는 매 사이클마다 증후(syndrome) 데이터를 수집하고, 디코더는 이를 기반으로 가장 가능성이 높은 오류 패턴을 선택한다. 그러나 이러한 ‘하드 디시전’은 실제 물리 오류의 확률 분포 정보를 모두 버린다. 저자들은 디코더가 제공하는 ‘소프트 정보’—즉, 관측된 증후에 대한 논리 오류 클래스별 사후 확률 p(¯L|s)—를 활용해 논리 게이트 채널을 직접 추정한다. 이 추정은 별도의 실험적 캘리브레이션 없이도 가능하며, Rao‑Blackwellization을 통해 분산을 최소화한다는 이론적 장점을 가진다.

세 가지 QEM 기법은 각각 소프트 정보를 다른 방식으로 이용한다. 첫 번째인 포스트셀렉션·런타임 중단 정책은 사후 확률이 특정 임계값 이하인 경우 해당 샷을 버리거나 실행을 중단한다. 이는 논리 오류율을 100배 이상 낮추면서도 전체 샷의 0.1% 미만만을 폐기한다는 실험적 결과를 보여준다. 두 번째인 확률적 오류 취소(PEC)는 논리 게이트의 노이즈 채널을 역전시키는 부호가 있는 확률 분포를 구성하는데, 소프트 정보가 제공하는 정확한 논리 오류 확률을 사용해 샷 할당을 최적화한다. 이를 통해 기존 PEC가 요구하던 지수적 샷 증가를 크게 억제한다. 세 번째인 제로 노이즈 외삽(ZNE)은 노이즈 스케일링 파라미터 θ를 조절하는 과정에서 논리 채널의 정확한 추정이 필요하다. 소프트 정보를 이용하면 노이즈 증폭 단계에서 실제 논리 오류 비율을 직접 측정할 수 있어, 외삽 오차를 최소화하고 샷 수를 절감한다.

구현 측면에서는 두 가지 디코더를 사용한다. 텐서 네트워크 기반 디코더는 정확한 사후 확률을 제공하지만 계산 복잡도가 #P‑complete에 가깝다. 반면 경계 조건을 강화한 최소 가중 완전 매칭(MWPM) 디코더는 근사적으로 빠르게 확률을 산출한다. 저자들은 MPS(행렬곱 상태) 근사를 통해 텐서 네트워크의 실시간 적용 가능성을 높였으며, 실험에서는 두 디코더 모두 100× 이상의 오류 감소와 87.4%의 시공간 절감 효과를 보였다.

이 논문의 핵심 통찰은 ‘디코더 소프트 정보’를 활용하면 QEC와 QEM을 자연스럽게 결합할 수 있다는 점이다. 기존 QEM이 요구하던 별도 노이즈 캘리브레이션 비용이 사라지고, 논리 수준에서 실시간으로 오류 특성을 파악함으로써 오류 완화가 보다 효율적이고 적응적으로 수행된다. 이는 FTQC 시대에 QEM이 여전히 중요한 역할을 할 수 있음을 실증적으로 입증한다.