고전 그림자로 무장한 효율적인 양자 선형 솔버

초록

본 연구는 변분 양자 알고리즘(VQA)과 고전 그림자(Classical Shadows) 프레임워크를 결합한 ‘그림자 양자 선형 솔버(SQLS)‘를 제안한다. 이 알고리즘은 대규모 제어 연산을 피하고 시스템 크기에 대해 로그 스케일의 쿼비트만을 요구하며, 기존 변분 방식 대비 비용 함수 평가당 회로 실행에서 지수적 이점을 보인다. 이론적 자원 한계가 보수적임을 수치 실험으로 확인하고, 실제 물리 문제인 2차원 격자에서의 이산화 라플라스 방정식 해결에 최초로 적용하였다.

상세 분석

본 논문이 제안하는 SQLS(Shadow Quantum Linear Solver)의 핵심 혁신은 양자 선형 시스템 문제(QLSP) 해결을 위한 비용 함수 평가 방식을 고전 그림자 기법을 통해 극적으로 효율화한 데 있다. 기존 VQLS(Variational Quantum Linear Solver)와 같은 변분 접근법에서는 비용 함수 C_L(θ)를 계산하기 위해 다수의 기대값 ⟨P_k⟩를 추정해야 하는데, 이는 각각 깊은 회로와 많은 측정을 필요로 하여 NISQ 시대의 주요 병목이었다.

SQLS는 행렬 A와 상태 준비 유니터리 U를 국소 폴리 문자열의 선형 결합으로 전제한다. 이 가정 하에 비용 함수 C_L(θ)는 (식 15-17) 수많은 폴리 문자열 기대값의 선형 합으로 재표현된다. 고전 그림자 프로토콜은 다수의 얕은 회로(무작위 회전 후 계산 기반 측정)를 실행하여 얻은 ‘스냅샷’을 바탕으로, 다수의 국소 관측량 기대값을 동시에 log(M) * 3^k / ε^2 shadow 스케일로 효율적으로 추정할 수 있다. 따라서 SQLS는 하나의 비용 함수 평가를 위해 필요한 전체 양자 회로 실행 수를 기존 방식 대비 지수적으로 줄일 수 있다.

또한, SQLS는 VQLS와 동일한 ‘로컬’ 비용 함수(식 11)를 채택하여 Barren Plateau 문제를 완화하고, 최적 매개변수 강인성(OPR)을 가질 가능성을 유지한다. 알고리즘은 시스템 크기 N에 대해 쿼비트 수 n = log(N)으로 로그 스케일링하며, 조건수 κ와 오차 ε에 대해서는 다항식적으로 스케일링한다. 저자들은 이론적 자원 한계가 실제 수치 실험에서 관찰된 것보다 훨씬 보수적임을 보여 알고리즘의 실용성을 강조한다. 마지막으로, 블록 인코딩 없이도 물리적 문제(라플라스 방정식)에 적용 가능함을 선형 대수 분해 정리를 활용하여 최초로 입증하였다.