클래식 훈련 양자 극한 학습기 빠른 양자 추론

초록

본 논문은 강도 높은 고전 광을 이용해 양자 극한 학습기(QELM)를 사전 훈련하고, 훈련된 모델을 그대로 사용해 스스로 생성된 양자 빛(쌍광자)으로부터 엔탱글먼트와 해밀토니안 정보를 추론한다. 고전 훈련은 자극 방출과 자발 방출 사이의 물리적 대응 관계를 활용해 측정 횟수를 크게 줄이며 신호대잡음비를 향상시킨다. 실험에서는 주파수‑빈 인코딩된 biphoton을 이용해 2‑큐빗 엔탱글먼트 위증, 다차원 엔탱글먼트 검출, 그리고 광자쌍 생성 해밀토니안 학습을 각각 93 %±4 %, 96 %±4 % 정확도로 달성하였다.

상세 분석

양자 극한 학습기(QELM)는 입력 상태를 고차원 리저버에 전파하고, 출력 노드들의 기대값을 선형 회귀로 매핑하는 구조를 갖는다. 전통적인 QELM은 양자 측정의 확률적 특성 때문에 동일한 입력에 대해 수천 번 이상의 반복 실험이 필요해 실험 비용과 시간 부담이 크다. 저자들은 이 병목을 ‘자극‑자발 대응 원리’를 이용해 해결한다. 비선형 3차 광학 매질에서 자발적 4파동 혼합(SpFWM)으로 생성되는 쌍광자는 진공 요동에 의해 낮은 발생률을 보이지만, 동일한 매질에 강도 높은 코히런트 시드(자극 파)를 주입하면 자극 4파동 혼합(StFWM)으로 변환되어 광자 수가 수십만 배 증가한다. 이때 시드의 복소 진폭 분포를 ‘비대칭 출력 필드’라 부르는 역전파 과정을 통해 설계하면, 자극된 신호 빔의 스펙트럼 강도 Iₖⱼ가 자발적 동시 검출 확률 Cₖⱼ와 정비례한다. 즉, 고전적인 강도 측정만으로 양자 상관 정보를 ‘맵핑’할 수 있다.

훈련 단계에서는 각 입력 모드 j에 대해 적절히 형성된 시드를 넣어 StFWM을 수행하고, 광 스펙트럼 분석기(OSA)로 얻은 Iₖⱼ 값을 회귀 입력 벡터로 사용한다. 선형 회귀를 통해 얻은 가중치 wₘᵦ는 이후 양자 입력(SpFWM으로 생성된 biphoton)에도 그대로 적용된다. 양자 입력이 리저버를 통과한 뒤 SNSPD로 측정된 동시 검출 확률 Cₖⱼ를 회귀식에 대입하면, 엔탱글먼트 위증 ⟨W⟩, 고차원 엔탱글먼트 지표, 혹은 생성 해밀토니안 파라미터와 같은 비클래시컬 양을 추정할 수 있다.

실험 구현은 실리콘 포토닉 웨이브가이드 위에 주파수‑빈을 정의하는 전기광 변조기(EOM)와 파형조정기(WS)를 배치해 4‑파동 혼합을 수행하고, 동일한 장치를 리저버로 활용해 주파수‑빈을 교차 결합한다. 이 구조는 2‑큐빗(4‑빈)부터 4‑큐빗(16‑빈)까지 확장 가능하며, 64‑차원까지도 이론적으로 지원한다. 고전 훈련 시 OSA를 통한 스펙트럼 측정은 수초 내에 완료되지만, 전통적인 동시 검출 기반 훈련은 수시간에서 수일이 소요된다. 또한, 고전 신호는 광자 수가 많아 포아송 잡음이 상대적으로 작아 SNR이 크게 개선된다.

성능 평가에서는 (i) 2‑큐빗 엔탱글먼트 위증을 93 %±4 % 정확도로, (ii) 다차원 엔탱글먼트 검출을 96 %±4 % 정확도로, (iii) SpFWM 생성 해밀토니안을 96 %±4 % 피델리티로 복원하였다. 이는 기존 QELM이 요구하던 수천 번의 동시 검출 대비 2~3 오더의 실험 시간 절감과 동등하거나 더 높은 정확도를 보여준다.

이 접근법은 ‘클래식‑양자 전이 학습(transfer learning)’이라는 새로운 패러다임을 제시한다. 훈련 비용이 크게 감소하면서도 양자 특성을 정확히 포착할 수 있기 때문에, 대규모 양자 데이터셋을 다루는 양자 신경망, 양자 센싱, 그리고 양자 오류 교정 등에 적용 가능성이 크다. 또한, 자극‑자발 대응 원리는 광학뿐 아니라 초전도, 원자 기체 등 다른 비선형 양자 시스템에도 일반화될 여지가 있다.