고정 모듈 할당을 위한 이진 정수 계획법으로 ebits 비용 최적화

초록

본 논문은 양자 회로를 여러 모듈에 분산할 때 발생하는 ebits(벨 상태) 사용량을 최소화하기 위해, 모듈 할당이 고정된 상황에서 남은 배분 문제를 정확한 이진 정수 계획(BIP)으로 모델링한다. k≥4 모듈에 대한 일반형과 k=3 모듈에 대한 특수형을 제시하고, 기존의 하이퍼그래프 분할 기반 휴리스틱에 사후 처리 단계로 적용해 평균 20 %까지, 구조화된 회로에서는 10배 이상 ebits 비용을 감소시킨다.

상세 분석

이 논문은 분산 양자 회로(DQC) 문제를 두 단계로 분리한다. 첫 번째는 각 논리 큐비트를 어느 QPU(모듈)에 배정할지 결정하는 ‘모듈 할당’이며, 두 번째는 할당된 큐비트들 사이에 발생하는 비국소(two‑qubit) 게이트를 실행하기 위해 필요한 마이그레이션(즉, cat‑entangle) 집합을 선택하는 ‘배분’ 단계이다. 기존 연구는 이 두 단계를 동시에 최적화하려다 보니, 할당 단계가 배분 단계에 종속되는 비효율을 초래했다. 저자는 할당을 고정하고 배분 문제만을 정확히 해결함으로써, 기존 휴리스틱이 놓친 최적 해를 찾을 수 있음을 보인다.

핵심 기술은 MS‑GC(Migration Selection under General Coverage) 문제를 이진 정수 변수와 선형 제약식으로 표현한 BIP이다. 각 비국소 게이트에 대해 ‘홈 커버(home coverage)’와 ‘조인트 커버(joint coverage)’ 두 가지 마이그레이션 옵션을 정의하고, 이를 선택 변수 xᵢ∈{0,1} 로 나타낸다. 제약식은 모든 게이트가 최소 하나의 커버 옵션에 의해 만족되도록 강제한다. k≥4인 경우에는 모든 가능한 조인트 커버를 열거한 뒤, 각 마이그레이션이 언제 가능한지를 나타내는 f(i,t) 함수를 이용해 시간 순서를 보장한다. k=3일 때는 조인트 커버 후보가 제한적이므로, 변수 수를 크게 줄이는 특수화된 모델을 제시해 솔버 효율을 크게 향상시킨다.

BIP 모델은 상용 MILP 솔버(CPLEX, Gurobi 등)에 그대로 입력할 수 있으며, 최적 해가 보장된다. 실험에서는 무작위 회로와 QFT, 부동소수점 연산 등 구조화된 회로에 대해 기존 하이퍼그래프 파티셔닝 결과에 BIP 사후 처리를 적용했을 때, 평균 ebits 사용량이 12 %~20 % 감소하고, 특히 산술 회로에서는 10배 이상 절감되는 것을 확인했다. 오프라인 계산 비용은 솔버 실행 시간에 비례하지만, 동일 회로를 다중 실행하거나 대규모 배포 환경에서 amortization이 가능하다는 점을 강조한다.

한계점으로는 BIP 풀이가 NP‑hard 특성을 그대로 가지고 있어, 큐비트 수·게이트 수가 매우 큰 경우 실행 시간이 급증한다는 점이다. 따라서 향후 연구에서는 문제 규모 축소를 위한 프리프로세싱, 컬럼 제네레이션 기법, 혹은 근사 BIP 모델을 탐색할 필요가 있다. 또한, 비동기식 마이그레이션, 오류 모델링, 동적 네트워크 토폴로지 등 현실적인 제약을 포함한 확장도 기대된다.