양자 고전 하이브리드 최적화로 다목표 공급망 물류 설계

초록

본 논문은 항공기 부품 공급망을 대상으로 비용·배출·시간·공급업체 작업비중 네 가지 목표를 동시에 최소화하는 다목표 QUBO 모델을 제시하고, 이를 양자‑고전 하이브리드 솔버인 구조 인식 트리 탐색(IQTS)과 모듈형 양계(HBS)로 해결한다. IonQ Aria‑1 양자 컴퓨터에서 실험을 수행해 파레토 최적 해를 도출함으로써 실제 물류 문제를 양자 특화 하드웨어에 매핑하는 방법론을 검증한다.

상세 분석

이 논문은 복잡한 글로벌 공급망에서 발생하는 다목표 최적화 문제를 QUBO 형태로 정형화함으로써 양자 알고리즘 적용 가능성을 확보한 점이 가장 큰 혁신이다. 기존 연구들은 주로 단일 목표 혹은 간단한 제약만을 다루었으나, 여기서는 부품 의존 트리 구조, 이중 소싱, 다중 운송 모드, 지역별 작업비중 제한 등 현실적인 제약을 모두 포함한다. 특히 부품 간 종속성을 트리 형태로 모델링하고, 각 부품에 대해 1차·2차 생산 사이트와 운송 경로를 동시에 결정하도록 설계한 점이 주목할 만하다.

양자‑고전 하이브리드 솔버는 두 가지 전략으로 구현된다. 첫 번째인 Informed Quantum‑Enhanced Tree Solver(IQTS)는 문제 구조를 사전에 분석해 트리 분할을 수행하고, 각 서브문제에 QAOA를 적용한다. 트리 탐색 단계에서 고전적인 휴리스틱(예: 제한된 깊이의 탐색, 비용 기반 가지치기)을 결합해 양자 회로 실행 횟수를 최소화하면서도 빠른 수렴을 이끌어낸다. 두 번째인 Hybrid Bilevel Solver(HBS)는 상위 레벨에서 양자 영감 메타휴리스틱(CACM)과 QAOA를 혼합해 전역 탐색을 수행하고, 하위 레벨에서는 반복 신념 전파와 동적 이방성 스무딩을 이용해 제약 만족성을 강화한다. 이러한 이중 레벨 설계는 양자 하드웨어의 제한된 큐비트 수와 노이즈를 보완하면서도 대규모 인스턴스에 대한 확장성을 제공한다.

실험에서는 Airbus가 제공한 48부품, 43생산 사이트, 28창고, 29공급업체 데이터를 그대로 사용했으며, 주요 KPI 네 개를 가중합으로 스칼라화한 뒤 파레토 프론티어를 추정했다. IonQ Aria‑1의 27큐비트 트랩 이온 장치를 활용해 QAOA 깊이 23 수준의 회로를 실행했으며, 결과는 전통적인 메타휴리스틱(예: 유전 알고리즘, 시뮬레이티드 어닐링) 대비 동일하거나 더 우수한 파레토 커버리지를 보여준다. 특히 배출량과 비용을 동시에 낮추는 해가 기존 솔루션보다 58% 개선된 점이 눈에 띈다.

이 논문의 한계는 현재 NISQ 디바이스의 큐비트 수와 오류율에 의해 인스턴스 규모가 제한된다는 점이다. 또한 파레토 프론티어를 완전 탐색하는 것이 아니라 근사적 스칼라화 방식을 사용했기 때문에, 목표 간 상충 관계를 완전히 파악하기 위해서는 추가적인 다목표 최적화 기법이 필요할 수 있다. 그럼에도 불구하고, 현실적인 공급망 제약을 양자 최적화 모델에 통합하고, 하이브리드 알고리즘을 통해 실제 양자 하드웨어에서 검증한 최초 사례 중 하나로 평가된다.