양자 코드와 회로를 위한 거리 탐색 알고리즘 종합 평가

초록

본 논문은 고전·양자 선형 코드와 그에 대응하는 오류 검출 회로의 최소 거리(d)를 찾기 위한 다양한 정확·휴리스틱 알고리즘을 체계적으로 벤치마크한다. 새롭게 제안한 QDistEvol 알고리즘이 양자 LDPC 코드 집합에서 뛰어난 정확도를 보이며, 모든 알고리즘과 테스트 데이터는 파이썬 패키지 codeDistance에 오픈소스로 제공된다.

상세 분석

논문은 거리 찾기 문제를 “정확 알고리즘”(Brouwer‑Zimmermann, 연결 클러스터, SAT, MIP)과 “휴리스틱 알고리즘”(Random Information Set, Syndrome Decoder, Stim 기반 탐지)으로 구분하고, 각각의 시간·메모리 복잡도와 반환값(정확 거리 vs. 상·하한)을 상세히 비교한다. 정확 알고리즘은 NP‑hard 특성 때문에 입력 규모가 커질수록 실행 시간이 급격히 증가하지만, 최종 결과가 보장된다는 장점이 있다. 반면, 휴리스틱 방법은 다항식 시간 내에 해를 제공하나, 특히 비‑CSS 양자 코드나 회로 거리 문제에서 상한만을 반환하는 경우가 많다.

특히 저자들은 양자 LDPC 코드에 특화된 QDistEvol을 기존 QDistRnd(무작위 정보 집합) 위에 진화적 선택 절차를 추가해 설계하였다. 진화 단계에서 여러 퍼뮤테이션을 평가하고, 가장 낮은 가중치를 보이는 후보를 선택해 반복함으로써 탐색 공간을 효율적으로 축소한다. 실험 결과, QDistEvol은 동일한 시간 제한 하에서 기존 휴리스틱 대비 평균 15‑20% 높은 정확도를 달성했으며, 일부 코드에서는 정확 알고리즘과 동일한 거리 값을 찾았다.

벤치마크 데이터셋은 (1) 고전 GF(2) 코드(코드테이블, 리프티드 프로덕트 등), (2) 비‑CSS·CSS 양자 코드(하이퍼볼릭 서피스·컬러, 리프티드 프로덕트, 바이버레이트 바이시클 등), (3) 대표적인 양자 회로(서피스 코드, 컬러 코드의 미드아웃·슈퍼덴스 등)로 구성되었다. 각 데이터셋별 최적 알고리즘을 표 2·3에 정리했으며, 예를 들어 CSS 코드에서는 m4riCC와 Gurobi 기반 MIP가 정확 알고리즘으로, QDistEvol·BP‑OSD·Stim이 휴리스틱으로 가장 효율적이었다.

또한 알고리즘 구현 측면에서 병렬화 가능성, 확률적/결정적 특성, 오류 모델(디텍터 전용, 편향형, 임의 확률) 지원 여부를 체계화하였다. 예컨대, Gurobi와 MIP‑SCIP은 병렬화와 임의 확률 모델을 모두 지원하지만, SAT 기반 방법은 순차적이며 편향형 오류에만 제한된다.

마지막으로, 모든 구현을 codeDistance 파이썬 패키지에 래핑해 공개함으로써 연구자들이 손쉽게 알고리즘을 교체·조합하고, 새로운 코드·회로에 대한 거리 평가를 자동화할 수 있게 했다. 이는 양자 오류 정정 설계 파이프라인에서 거리 계산을 빠른 필터링 단계로 활용하고, 이후 Monte‑Carlo 시뮬레이션이나 실험 검증으로 이어지는 워크플로우를 크게 단축시킬 것으로 기대된다.