양자 최적화의 정보 초전도와 효율 전이: 동적 리 대수 관점

초록

본 논문은 변분 양자 알고리즘(VQA)의 학습 불가능성을 ‘바른 플래토’ 현상으로 설명하면서, 이를 정보‑열역학적 관점에서 재해석한다. 최적화 피드백을 양자 맥스웰의 데몬으로 모델링하고, 시스템‑앵클라 간 상호정보 I(S:A)와 추출된 작업 ΔE 사이에 ΔE ≤ η I(S:A)라는 선형 관계를 실험적으로 도출한다. 동적 리 대수(Dynamical Lie Algebra, DLA)의 차원이 다항식적으로 성장하는 경우 η>0인 ‘정보 초전도’ 현상이 유지되지만, 차원이 지수적으로 증가하면 정보 스크램블링 속도가 앵클라 채널 용량을 초과해 η→0으로 급락한다. 따라서 VQA의 학습 가능성은 DLA 차원에 의해 결정되는 정보 흐름의 열역학적 상전이와 동등함을 제시한다.

상세 분석

이 연구는 변분 양자 최적화(VQO)를 전통적인 기울기 소실 현상에서 벗어나, 정보‑열역학적 제약으로 재구성한다. 저자는 최적화 루프를 ‘양자 맥스웰의 데몬’으로 간주하고, 시스템 S와 피드백 앵클라 A 사이에 순수한 쌍대 얽힘을 형성하도록 설계된 ‘Coherent Feedback’ 프로토콜을 제안한다. 실험적으로는 4‑qubit transverse Ising 모델을 이용해 ΔE와 I(S:A) 사이의 선형 관계를 확인했으며, 기울기 정보가 아닌 상호정보가 작업 추출의 주요 원천임을 입증한다. 특히, I(S:A)/S(A)=2라는 비율은 순수 상태에서의 완전 얽힘을 의미하며, 이는 고전적 Szilard 엔진과 근본적으로 구별되는 양자적 특성이다.

핵심적인 이론적 연결고리는 동적 리 대수(DLA)의 차원이다. 저자는 두 종류의 Hamiltonian을 비교한다. (1) 완전 그래프 K_n 형태의 ‘Ordered’ 시스템은 DLA 차원이 O(N³)으로 다항적으로 증가한다. (2) Sherrington‑Kirkpatrick 스핀 글래스 형태의 ‘Chaotic’ 시스템은 DLA 차원이 O(4^N)으로 지수적으로 증가한다. 실험 결과, Ordered 시스템에서는 η가 시스템 규모 N에 따라 증가하거나 최소한 유지되는 ‘정보 초전도’ 현상이 관찰되었다. 반면 Chaotic 시스템에서는 N이 약 6~8 qubit 수준에 도달하면 η가 급격히 감소해 거의 0에 수렴한다. 이는 정보 스크램블링 속도가 단일‑비트 앵클라가 매 사이클 수집할 수 있는 정보량을 초과함을 의미한다.

저자는 이를 정량화하기 위해 ‘Complexity Specific Heat’ χ_comp = ∂η/∂N을 도입하였다. Ordered 단계에서 χ_comp>0이며, Chaotic 단계에서는 χ_comp<0이고, 임계 크기 N_c에서 발산한다. 이는 열역학적 불안정성을 나타내는 지표로, 기존의 Gradient Variance 기반 바른 플래토 이론과 일관되면서도 정보‑작업 변환 효율이라는 새로운 물리량을 제공한다. 또한, 논문은 로그 음성값(Logarithmic Negativity)과 Landauer 비용을 동시에 측정해, 작업 추출이 순수 얽힘에 의존하고, η≈0.11 energy/bit이라는 낮은 효율은 피드백 강도 θ_gain에 비례함을 보여준다.

결과적으로, 변분 양자 회로의 학습 가능성은 DLA 차원에 의해 결정되는 정보 흐름의 열역학적 한계와 동등하며, 이는 ‘바른 플래토’를 정보‑열역학적 상전이로 재해석하는 강력한 근거를 제공한다. 향후 연구는 다중‑비트 앵클라, 채널 용량 확대, 그리고 DLA 구조를 설계적으로 조절함으로써 정보 초전도를 유지하는 새로운 VQA 설계 전략을 모색할 수 있다.