다중시간 양자 과정의 실용적 학습과 그림자 토모그래피

초록

**
본 논문은 고전적 그림자 토모그래피를 시간 영역으로 확장하여, 중간 회로 계측이 가능한 양자 프로세스 텐서를 효율적으로 학습하는 방법을 제시한다. 저자들은 빠르고 신뢰할 수 있는 중간 측정 프로토콜을 설계하고, 이를 이용해 20단계(42‑큐빗 규모) 양자 과정을 매트릭스 곱 연산자(MPO) 형태로 재구성한다. 실험적으로 IBM 양자 프로세서를 사용해 잡음 상관, 비마르코프성, 시간 얽힘 등 다중시간 특성을 정확히 추정함으로써, 양자 디바이스 진단 및 양자 물리 현상 탐구에 새로운 도구를 제공한다.

**

상세 분석

**
이 연구는 두 가지 핵심 아이디어를 결합한다. 첫째, 고전적 그림자 토모그래피(classical shadow tomography)의 핵심 원리—무작위 유니터리 변환 후 단일 측정으로 다수의 관측값을 추정하는 방법—를 다중시간 양자 과정에 적용한다는 점이다. 기존 그림자 기법은 정적 다체 상태의 파울리 기대값을 효율적으로 학습할 수 있었지만, 시간에 따라 변하는 프로세스 텐서는 입력‑출력(i/o) 다리 구조와 비마르코프 상관을 포함한다. 저자들은 각 시간 단계마다 무작위 로컬 파울리 회전을 적용하고, 중간에 “인스트루먼트(instrument)”라 불리는 측정·피드백 연산을 삽입한다. 이러한 인스트루먼트는 완전 양자 측정(complete informationally)이어야 하며, 측정 결과는 이후 단계의 제어 연산에 조건부로 사용될 수 있다.

둘째, 현재 양자 하드웨어가 제공하는 중간 회로 측정(mid‑circuit measurement)이 느리거나 제한적인 점을 극복하기 위해, “빠른 인스트루먼트 프로토콜”을 설계한다. 구체적으로, 저자들은 고전적인 비동기 측정과 큐비트 재사용을 결합해, 측정 후 즉시 재초기화하고 다음 무작위 회전으로 이어지는 파이프라인을 구현한다. 이 과정에서 측정 오류와 재초기화 오류를 보정하기 위한 캘리브레이션 절차를 도입해, 전체 오류 전파를 최소화한다.

이러한 프로토콜을 통해 얻어진 데이터는 프로세스 텐서의 차원 축소 표현인 매트릭스 곱 연산자(MPO) 형태로 압축된다. MPO는 시간 순서대로 연결된 텐서 네트워크이며, 각 텐서는 해당 시간 단계의 로컬 채널과 인스트루먼트를 포함한다. 저자들은 변분 최적화와 샤도우 재구성 알고리즘을 결합해, 제한된 샘플 수(수천 회)만으로도 20단계 프로세스(42‑큐빗에 해당하는 차원)를 높은 정확도로 복원한다.

핵심 성과는 다음과 같다. (1) 다중시간 관측값(예: 두 시점 사이의 상관 함수, 비마르코프성 지표, 시간 얽힘 엔트로피)을 샤도우 방식으로 추정함으로써, 기존 양자 프로세스 튜닝 기법보다 샘플 효율성을 1~2 차수 개선했다. (2) 비마르코프 잡음 모델을 실제 IBM Q 디바이스에 적용해, 시간 상관이 강한 오류(예: 교차 톤드 레이저 드리프트)를 정량화하고, 이를 기반으로 동적 디코히런스 억제 전략을 설계할 수 있음을 보였다. (3) MPO 기반 압축을 통해, “42‑큐빗 규모”의 다중시간 상태를 메모리와 연산 비용이 선형에 가까운 수준으로 다룰 수 있음을 실증했다.

이 논문은 양자 스토캐스틱 프로세스 이론, 텐서 네트워크, 그리고 실험적 양자 제어 기술을 통합함으로써, NISQ 디바이스에서 시간적 양자 상관을 체계적으로 탐색하고 활용할 수 있는 실용적인 프레임워크를 제공한다.

**