측정 없는 안틸라 재활용: 초고속 블라인드 리셋의 교차 플랫폼 평가

초록

본 연구는 초고속 단위 연산만을 이용한 블라인드 리셋(Blind Reset) 기법을 슈퍼전도 IQM Garnet, Rigetti Ankaa‑3, 그리고 트래핑 이온 IonQ 세 백엔드에 동일한 시드·시퀀스·샷 조건으로 적용해 안틸라 청정도(F_clean)와 사이클 지연을 비교한다. 시뮬레이션과 실제 실험을 통해 블라인드 리셋이 측정‑피드백 기반 리셋보다 최대 38배 빠른 사이클 시간을 제공하면서 L≤6(시퀀스 길이) 구간에서 F_clean≥0.86을 유지함을 확인했다. 플랫폼별 교차점 L는 IQM≈12, Rigetti≈11, IonQ≈1이며, 외부 GPU 피드백을 포함하면 L≈78으로 크게 늘어난다. 추가로 T1/T2 비율에 따른 민감도 지도와 오류 경계 검증을 수행해 배포 한계를 명확히 제시하고, 백엔드별 정책 매트릭스를 제안한다.

상세 분석

본 논문은 기존 측정 기반 초기화가 갖는 읽기‑피드백 지연과 크로스토크 문제를 회피하기 위해, “스케일‑앤‑더블” 방식으로 동일 시퀀스를 두 번 재생하고 전역 스케일 파라미터 λ를 최적화하는 블라인드 리셋을 제안한다. 이 방법은 SU(2) 군의 연속성에 기반해 단일·다중 큐비트에 적용 가능함을 이론적으로 증명했으며, 실제 하드웨어에서는 순수 유니터리 연산만으로 안틸라를 |0⟩ 상태에 가깝게 만든다.

핵심 메트릭은 안틸라 청정도 F_clean = P(|0⟩)와 사이클당 지연 T_blind = 2·L·t_gate이다. 측정‑리셋은 T_meas = t_meas + t_fb + t_prep + t_ext 로 모델링되며, 특히 NVQLink과 같은 GPU‑연계 피드백이 t_ext≈4 µs를 추가해 전체 지연을 수 µs 수준으로 끌어올린다. 따라서 L이 작을수록(짧은 시퀀스) 블라인드 리셋이 지연 면에서 우세하고, L이 커지면 λ 최적화가 어려워 청정도가 급격히 떨어져 교차점 L*가 정의된다.

시뮬레이션에서는 각 플랫폼의 T1, T2, 게이트 오류(p≈0.1–0.2 %) 및 게이트 시간(t_gate≈30–40 ns, IonQ는 100 µs) 등을 파라미터화했다. 거리‑3 반복 코드 논리 오류 프록시를 사용해 안틸라 청정도가 전체 논리 오류에 미치는 영향을 정량화했으며, 블라인드 리셋이 청정도 0.86 이상을 유지할 때 논리 오류 증가가 무시 수준임을 확인했다.

실험 결과는 IQM Garnet에서 L=8, 1024샷, 시드 42 조건에서 F_clean≥0.84를 달성했으며, 이는 시뮬레이션 예측과 일치한다. Rigetti Ankaa‑3에 대한 시뮬레이션도 유사한 성능을 보였고, IonQ는 본질적으로 긴 T1과 낮은 게이트 오류 덕분에 L=1부터 블라인드 리셋이 유리함을 보여준다.

또한 T1/T2 비율을 축으로 한 민감도 지도는 (T1/T2)·(t_gate)⁻¹가 10⁴ 이상인 경우 블라인드 리셋이 안정적이며, 낮은 비율에서는 청정도 급락을 야기한다는 점을 강조한다. 오류 경계 검증에서는 F_clean이 진단 엔벨로프(식 3) 위에 있으면 시뮬레이션이 과소평가된 것으로 판단하고, 실험 데이터가 엔벨로프 안에 머무르는 것을 확인해 모델의 신뢰성을 확보했다.

마지막으로, 백엔드별 정책 매트릭스는 (1) 측정‑리셋 지연, (2) 블라인드 리셋 청정도, (3) 외부 피드백 유무를 입력으로 교차점 L*를 자동 선택하도록 설계되었으며, 실시간 스케줄러에 적용 가능하도록 API 형태로 제시한다.