양자 회로 자동 복구와 게이트 우선순위 기법

본 논문은 양자 회로의 결함을 자동으로 복구하기 위한 새로운 접근법 QRep을 제안한다. QRep은 크게 두 단계로 동작한다. 첫 번째 단계인 결함 위치 파악에서는 회로 C_init의 각 게이트 g를 하나씩 제거해 수정된 회로 ˜C를 만든 뒤, 동일한 테스트 스위트 TS를 실행한다. 테스트 결과가 모두 통과하면 해당 게이트가 결함임을 즉시 확인하고 회로를 완전 복구된 것으로 반환한다. 통과하지 못할 경우, 헬링거 거리 기반 적합도 fit(·)를 계산하고, 기존 적합도와의 차이를 의심 점수 sus(g)에 누적한다. 이 과정은 모든 게이트에 대해 반복되며, 의심 점수는 “제거했을 때 적합도가 크게 감소한 게이트일수록 높은 값”을 갖게 된다. 두 번째 단계에서는 의심 점수에 따라 패치 후보를 선택하고 적용한다. 먼저, 가능한 모든 게이트 기반 변형(새 게이트 삽입 또는 기존 게이트 교체)을 후보 패치 집합 CandPatches에 저장한다. 각 변형은 Qiskit이 지원하는 다양한 양자 게이트를 포함하도록 균등하게 배치한다. 이후 전체 시간 예산 B를 I번의 반복으로 나누어 각 반복에 할당된 시간 B_i 안에서 후보 패치를 순차적으로 적용한다. 패치를 적용한 회로 ˜C는 다시 TS로 평가되며, 성공적으로 모든 테스트를 통과하면 복구가 완료된다. 패치 적용 후에도 적합도와 의심 점수를 업데이트하고, 다음 반복에서는 현재 의심 점수 상위 비율(1‑i/I)만을 남겨 검색 공간을 점진적으로 축소한다. 파라메트릭 게이트가 포함된 경우, COBYLA 최적화를 통해 최적 파라미터를 찾는다. 실험은 40개의 회로(실제 결함 4개, 인위적 변이 36개)에 대해 수행되었다. 실제 회로는 Bugs4Q 데이터베이스에서 가져왔으며, 인위적 회로는 MQT Bench에서 선택한 12개의 알고리즘에 대해 두 개의 변이 도구(Muskit, QMutPy)를 이용해 생성한 변이들을 중복 제거 후 3개씩 선택해 만든다. 테스트 스위트는 모든 고전 입력 초기화와 X, Y, Z 측정 기반을 포함해 총 2·#qubits·3개의 테스트 케이스를 만든다. 비교 대상은 무작위 탐색(RS)과 기존 UnitAR이며, 모든 방법에 2시간의 실행 예산을 동일하게 적용했다. 결과는 다음과 같다. 실제 Bugs4Q 회로에서는 QRep, UnitAR, RS 모두 2/4 회로를 복구했으며, 복구 가능한 회로는 서로 다르게 나타났다. 인위적 변이 회로에서는 QRep이 26/36 회로를 완전 복구해 전체 28/40(70%)의 복구율을 달성했다. 반면 UnitAR는 변이 회로에서 전혀 복구하지 못했고, RS는 6/40에 그쳤다. 가장 큰 회로(13 큐빗)에서는 세 방법 모두 복구에 실패했으며, 이는 양자 회로 복구의 확장성 한계를 보여준다. 복구되지 않은 회로에 대해서도 QRep은 의심 점수 순위가 실제 결함 게이트를 상위 44% 이내에 위치시키는 등, 결함 위치 파악에서도 유의미한 성능을 보였다. 논문의 주요 기여는 (1) 헬링거 거리와 테스트 실패 수를 결합한 적합도 함수를 이용해 게이트 수준의 의심 점수를 효과적으로 산출한 점, (2) 의심 점수 기반으로 검색 공간을 단계적으로 축소함으로써 대규모 양자 회로에서도 실용적인 복구가 가능하도록 만든 점, (3) 파라메트릭 게이트 최적화를 포함한 다양한 패치 전략을 자동화하여 기존 방법보다 높은 복구율을 달성한 점이다. 향후 연구에서는 의심 점수 예측을 위한 머신러닝 모델 도입, 더 복잡한 다중 결함 시나리오 처리, 실제 양자 하드웨어에서의 적용 가능성 검증 등을 제시한다.