데이터 기반 비마르코프 양자 동역학 학습

초록

본 논문은 관측값 시계열을 이용해 Nakajima‑Mori‑Zwanzig(NMZ) 방정식의 마르코프 전이 행렬과 메모리 커널을 직접 학습하는 프로토콜을 제시한다. 시뮬레이션과 트랩 이온 실험 데이터를 통해 순수 마르코프, 강·약 비마르코프 상황에서의 정확한 추정과 비마르코프 시간척도 판별이 가능함을 보였다.

상세 분석

이 연구는 양자 게이트 특성화에 있어 기존의 게이트 세트 토모그래피(GST)와 달리 시간 의존적인 생성자를 명시적으로 복원한다는 점에서 혁신적이다. NMZ 방정식은 시스템 관측값 벡터 g(t) 에 대해 d g/dt = M·g(t) − ∫₀ᵗ K(s)·g(t−s) ds + F(t) 으로 표현되며, 여기서 M 은 마르코프 전이 행렬, K(s) 는 메모리 커널, F(t) 는 라인베르트 잡음이다. 논문은 Δ 시간 간격으로 샘플링된 g(kΔ) 에 대해 선형 회귀 형태인
g((k+1)Δ)=∑_{l=0}^{L}Ω(l)Δ·g((k−l)Δ)+W_k
을 구성하고, Ω(0)Δ≈I+MΔ, Ω(l)Δ≈Δ²K(lΔ) (l>0) 이라는 근사를 이용해 M 과 K 를 효율적으로 추정한다. 핵심은 라인베르트 잡음 W_k 가 실제 양자 컴퓨팅 환경에서는 거의 0에 가깝다는 물리적 근거를 제시하고, 이를 통해 선형 회귀 문제를 고차원 최소제곱 해법으로 해결함으로써 학습 비용을 O(N) 수준으로 낮춘다.

시뮬레이션에서는 (1) 순수 마르코프 마스터 방정식(리드블러 형태)으로부터 생성된 전이 행렬을 사용해 10개의 무작위 초기 상태를 20 단위 시간까지 Δ=10⁻¹ 로 샘플링하였다. LOOCV 방식으로 9개의 시계열을 학습하고 1개를 검증했으며, 메모리 커널 길이를 늘릴수록 RMSE가 증가하고 Ω(l>0)norm이 거의 0에 수렴함을 확인했다. 이는 학습된 모델이 실제 마르코프성을 정확히 포착함을 의미한다.

(2) 비마르코프 경우에는 Ornstein‑Uhlenbeck 잡음 η(t) 을 포함한 H(t)=ω_zσ_z+η(t)σ_x 를 사용하였다. γ=0.5(강한 비마르코프)와 γ=10(약한 비마르코프) 두 파라미터 셋을 각각 DHEOM으로 평균 동역학을 계산하고, 동일한 학습 절차를 적용했다. 강한 비마르코프 상황에서는 메모리 커널 길이 h≈5 에서 RMSE가 최소가 되며, Ω(l)norm이 뚜렷한 피크를 보인다. 반면 약한 비마르코프에서는 h≈0.2에서 최적화되며, 커널 기여가 급격히 감소한다. 이는 학습된 K(s)가 실제 OU 프로세스의 상관 시간 τ=1/γ와 일치함을 시사한다.

(3) 실험 데이터는 트랩 이온 시스템에서 드라이브된 단일 큐비트에 대한 측정값이다. 환경 잡음이 사전 모델링되지 않은 상태에서 동일한 NMZ 학습 파이프라인을 적용했으며, 학습된 메모리 커널은 약 3 µs 정도의 비마르코프 타임스케일을 나타냈다. 이는 실험 장비의 전자기적 플럭스와 레이저 위상 잡음이 시스템에 미치는 영향을 정량화하는 데 유용하다.

전체적으로 이 방법은 (i) 모델‑프리(data‑driven) 접근으로 환경에 대한 사전 가정을 없애고, (ii) 선형 회귀 기반의 효율적인 학습으로 대규모 데이터에도 적용 가능하며, (iii) 메모리 커널을 직접 추정함으로써 비마르코프 타임스케일을 정량적으로 제공한다는 장점을 가진다. 또한, 기존 GST와 달리 게이트 실행 중간의 동역학을 연속적으로 재구성할 수 있어 오류 보정 및 제어 설계에 직접 활용 가능하다.