양자 저장소 컴퓨팅 기반 이미지 잡음 제거

초록

본 논문은 Rydberg 원자 배열을 이용한 양자 저장소 컴퓨팅(QRC)을 이미지 잡음 제거 파이프라인에 결합한 하이브리드 양자‑클래식 프레임워크를 제안한다. 입력 이미지는 PCA로 차원 축소 후 각 주성분을 원자들의 로컬 디튜닝 파라미터에 인코딩하고, 시간 의존 해밀토니안에 따라 진화시켜 다중 시간 단계에서 측정된 단일 및 쌍 양자 관측값을 고차원 임베딩으로 추출한다. 이 임베딩을 클래식 MLP에 입력해 깨끗한 이미지를 재구성한다. 동일한 PCA‑MLP 베이스라인과 비교했을 때, QRC 기반 모델은 가장자리 선명도와 구조적 유사도에서 향상을 보이며, 실험은 QuEra Aquila 중성 원자 프로세서를 활용해 물리적으로 구현하였다.

상세 분석

본 연구는 양자 저장소 컴퓨팅(QRC)의 비선형 고차원 매핑 능력을 이미지 잡음 제거라는 실용적 과제에 적용한다는 점에서 혁신적이다. 먼저 입력 이미지의 차원을 PCA로 압축해 d 차원 벡터 z_i 로 만든 뒤, 이를 Rydberg 원자 배열의 로컬 디튜닝 ∆_i(t)=∆_0+k·z_i,i 로 인코딩한다. 이때 사용된 해밀토니안은 시간 의존 transverse‑field Ising 형태이며, 전역 Rabi 펄스 Ω(t)와 원자 간 상호작용 V_ij를 포함한다. 이러한 설정은 각 원자를 독립적인 비선형 변환 유닛으로 작동하게 하면서도, V_ij에 의해 생성되는 얽힘을 통해 복잡한 상관관계를 자동으로 학습한다. 시스템은 초기 상태 |0⟩⊗d 에서 시작해 총 시간 T까지 Schrödinger 방정식으로 진화하고, L개의 이산 시간에서 ⟨Z_i⟩와 ⟨Z_i Z_j⟩를 측정한다. 측정값을 K번 반복해 샷 평균을 구함으로써 통계적 신뢰성을 확보한다. 결과적으로 얻어지는 임베딩 r_i 의 차원은 R = L·(d + d(d−1)/2) 로, d가 418일 때 2882028 정도가 된다. 이는 전통적인 PCA‑MLP 파이프라인이 제공하는 d 차원 입력보다 수십 배 높은 차원이며, 비선형성도 내재한다. 이후 고정된 임베딩을 입력으로 하는 다층 퍼셉트론(MLP)은 ReLU 활성화와 Sigmoid 출력으로 구성돼 MSE 손실을 최소화한다. 중요한 점은 양자 레저버의 파라미터가 학습되지 않으며, 전적으로 물리적 시스템의 자연스러운 동역학에 의존한다는 것이다. 실험에서는 MNIST 데이터셋에 0.7 표준편차의 곱셈성 스펙클 노이즈를 가해 1000개의 학습 이미지와 200개의 테스트 이미지를 사용했다. 시뮬레이션은 Bloqade 프레임워크로 수행했으며, 실제 하드웨어 구현 가능성을 QuEra Aquila 프로세서로 검증했다. 성능 평가는 MSE, TENG(Edge Sharpness), SSIM 세 가지 지표로 이루어졌으며, 모든 d에 대해 QRC 모델이 베이스라인 대비 TENG에서 평균 8~12% 향상을 보였다. 특히 d=18일 때 SSIM이 0.94 수준으로 거의 원본에 근접했으며, 시각적으로도 가장자리 보존과 잔여 잡음 감소가 뚜렷했다. 이러한 결과는 양자 레저버가 제공하는 고차원 비선형 특징이 이미지 복원에 유의미한 정보를 추가한다는 것을 입증한다. 또한, 디지털 시뮬레이션 외에 실제 중성 원자 배열에서 동일한 파라미터를 적용했을 때도 유사한 성능이 유지됨을 보여, 노이즈와 디코히런스가 제한적인 현재의 NISQ 디바이스에서도 실용적 활용이 가능함을 시사한다. 마지막으로, 양자 레저버의 크기와 측정 시간 L을 조절함으로써 임베딩 차원을 유연하게 설계할 수 있어, 하드웨어 제약에 맞춘 트레이드오프가 가능하다는 점도 강조한다. 전체적으로 본 논문은 양자 동역학을 활용한 비선형 특징 추출이 전통적인 선형 차원 축소와 결합될 때 이미지 처리와 같은 실용적 과제에서 실질적인 이점을 제공한다는 중요한 증거를 제공한다.