광학 양자 상태 통합 특성화 기반 모델

초록

본 논문은 다중모드·비가우시안·고압축 광학 양자 상태를 제한된 동차 측정만으로도 정확히 예측할 수 있는 ‘기초 모델(Foundation Model)’을 제안한다. 저복잡도 상태에 대한 자기지도 사전학습 후, 소량의 파인튜닝만으로 양자 충실도·위거 부정성·양자 피셔 정보 등 다양한 물리량을 고성능으로 추정한다.

상세 분석

이 연구는 광학 양자 정보 분야에서 가장 난제인 “전역 상태 톰그래피 없이 복잡한 비가우시안 다중모드 상태를 어떻게 효율적으로 특성화할 것인가”에 대한 해답을 제시한다. 핵심 아이디어는 세 가지 복잡도 지표(모드 수 m, 최대 압축 ξ, 스타라 등급 r)로 정의된 상태 공간을 전역적으로 탐색하는 기초 모델을 구축하고, 저차원(저 m·저 ξ·저 r) 상태에 대해 대규모 자기지도 학습을 수행한다는 점이다. 사전학습 단계에서는 6 000개의 시뮬레이션 데이터를 이용해 100개의 위상‑별 동질 측정 히스토그램을 입력으로, 32‑차원 잠재 벡터 z를 추출한다. 이 벡터는 ‘표현 네트워크 E’가 생성하고, ‘생성 네트워크 G’가 임의의 쿼리 측정에 대한 마진 분포를 재구성한다. 손실 함수는 재구성 오차와 트리플렛 손실을 결합해 동일 상태의 표현을 서로 가깝게, 다른 상태와는 멀게 만든다.

사전학습 후 모델은 훈련 분포를 벗어난 OOD 상태(예: m = 10, ξ ≈ 10 dB, r → ∞)에 대해서도 평균 클래식 충실도 F > 0.9를 유지한다. 이는 다중모드 비가우시안 상태의 개별 모드 마진이 여전히 가우시안 형태를 띠는 특성을 활용한 결과이며, 차원 폭증에도 불구하고 잠재 공간이 ‘스타라 등급’에 따라 계층적으로 정렬되는 것이 확인되었다(t‑SNE 시각화).

파인튜닝 단계에서는 제한된 실험 데이터(수십 개 샘플)만으로도 위거 부정성, 양자 피셔 정보(QFI), 상태 충실도 등을 정확히 예측한다. 특히 강한 비가우시안 고양이 상태와 10 모드까지 확장된 다중모드 시스템에 대해 5 % 이하의 평균 오차를 기록한다. 이는 기존 방법이 전부 전통적인 전면 톰그래피에 의존하거나, 특정 상태군에만 특화된 모델에 비해 압도적인 효율성을 보여준다.

이 모델의 가장 큰 의의는 ‘전이 학습(transfer learning)’ 구조를 광학 양자 시스템에 성공적으로 적용했다는 점이다. 사전학습된 표현은 물리적 파라미터와 직접 연결되지 않으면서도, 복잡도 축(모드·압축·비가우시안성) 전반에 걸쳐 일반화 가능성을 보인다. 따라서 향후 실제 실험실에서 제한된 측정 자원만으로도 대규모 양자 회로의 인증·검증이 가능해진다.