불완전 그래프와 양자 연산의 위상 구조

본 논문은 양자 연산을 행렬 형태로 표현하는 전통적인 방법이 구조적 직관성을 제공하지 못한다는 문제점을 출발점으로 삼는다. 저자들은 양자 회로 분석을 크게 두 가지 접근법, 즉 회로 요소 접근법(Circuit Elements Approach, CEA)과 유니터리 행렬 접근법(Unitary Matrix Approach, UMA)으로 구분한다. CEA는 개별 게이트를 순차적으로 조합하는 방식으로 로컬 수정과 하드웨어 구현에 유리하지만, 전체 변환의 전역 위상 구조를 파악하기 어렵다. 반면 UMA는 전체 회로를 하나의 유니터리 행렬 U로 나타내어 전역적인 계산 흐름을 포착하지만, 차원이 2ⁿ인 고차원 행렬을 눈으로 해석하기가 거의 불가능하다. 이러한 한계를 극복하고자 저자들은 ‘불완전 그래프’ 혹은 ‘Topological Structure of Superpositions (TSS)’라는 새로운 그래프 이론적 프레임워크를 제안한다. 핵심 아이디어는 유니터리 행렬의 비제로 원소들을 그래프의 인접 행렬로 해석하여, 각 계산 기저 상태 |i⟩를 정점 i에 대응시키고, ⟨i|U|j⟩≠0인 경우에만 유향 간선 (j→i)을 추가하는 것이다. 이때 진폭의 크기와 위상은 의도적으로 무시하고, 오직 ‘전이가 존재한다’는 사실만을 그래프 구조에 반영한다. 이렇게 구성된 그래프 G_TSS=(V,E)는 정점 수가 2ⁿ으로, 힐베르트 공간 차원과 일대일 대응한다. 논문은 먼저 이론적 기반을 정리하고, TSS 구축 절차를 단계별로 제시한다. 정점 매핑 ϕ(e_i)=i를 통해 기저 상태와 정점을 일대일 매핑하고, 간선 집합 E={ (j,i) | |⟨i|U|j⟩|>0 }를 정의한다. 이후 다양한 기본 양자 게이트에 대해 TSS를 실험적으로 생성한다. Hadamard 게이트는 모든 정점이 거의 모든 다른 정점으로 연결되는 거의 완전 그래프 형태를 보인다. 이는 Hadamard 연산이 한 기저 상태를 전체 힐베르트 공간에 균등하게 퍼뜨리는 특성을 그래프적으로 시각화한 것으로, ‘위상 엔트로피’가 최대임을 의미한다. 반면 Pauli X, Y, Z 및 그 텐서곱은 2‑사이클 혹은 ‘포크’ 구조를 이루며, 각 정점이 서로 교환 가능한 1‑정규 순열 그래프를 형성한다. 이러한 희소 그래프는 고전적인 가역 연산과 일치한다는 점에서 흥미롭다. 저자들은 그래프의 희소성(sparsity)과 연결성(connectivity) 사이의 트레이드오프를 강조한다. 논리 연산이나 제어 흐름을 구현하는 게이트는 낮은 외향 차수와 제한된 연결성을 가진 희소 그래프가 바람직하며, 이는 상태가 특정 경로를 따라 흐르도록 제어하기 쉽기 때문이다. 반대로 데이터 로딩 단계에서는 높은 외향 차수를 가진 밀집 그래프가 효율적이며, 한 번의 입력으로 다수의 출력 상태를 동시에 활성화할 수 있다. 다양한 텐서곱 조합에 대한 TSS 분석도 수행한다. 예를 들어 Px⊗Px⊗Px⊗Px (4‑qubit Pauli‑X 텐서곱)에서는 각 정점이 쌍으로 연결되는 구조가 나타나며, 인덱스 합이 15(2⁴‑1)인 보완적인 정점 쌍이 존재한다는 특성을 발견한다. Berkeley⊗Berkeley (4‑qubit 텐서곱)에서는 완전 연결에 가까운 구조가 관찰되며, 이는 행렬 자체가 대칭적이고 원소가 제한된 값만을 갖기 때문이다. Grover⊗Px와 같은 혼합 게이트에서는 일부 정점이 자체 루프를 가지면서도 전체적으로는 고밀도 연결성을 유지한다. 논문은 그래프 특성을 정량화하기 위해 ‘sink’, ‘source’, ‘self‑loop’, ‘loop’, ‘multiplicity’와 같은 지표를 정의하고, 히스토그램을 통해 각 입력 상태별 출력 발생 빈도를 시각화한다. 히스토그램이 평탄하면 모든 출력이 균등히 발생함을, 비대칭이면 특정 출력이 선호됨을 나타낸다. 이러한 정량적 분석은 그래프 구조와 양자 연산의 기능적 차이를 파악하는 데 유용하다. 결론에서는 TSS가 기존의 안정자 코드, 그래프 상태 표현 등과 상보적인 도구가 될 수 있음을 강조한다. 현재는 위상 정보만을 다루지만, 향후 진폭과 위상을 포함한 확장 모델을 구축하면 복잡도 클래스와의 연계, 자동 회로 합성, 양자 알고리즘 설계에 새로운 통찰을 제공할 수 있을 것으로 전망한다. 또한 TSS는 행렬과 그래프 사이의 동형사상을 이해하는 수학적 프레임워크로서, 양자 컴퓨팅뿐 아니라 일반적인 선형 변환 분석에도 적용 가능함을 제시한다.