[조경민 학생 – 양자집적회로 연구실/김도헌 교수] 고전 머신러닝을 결합한 양자컴퓨팅의 NISQ 활용법 개발 – Nature Communications지 게재
양자 컴퓨터는 과학 전 분야에 걸쳐 고전 컴퓨터로 접근이 어려운 특정 문제를 효율적으로 해결할 수 있는 잠재력을 가지고 있지만, 아직까지 완벽한 오류 정정법이 구현되지 않아 현재 하드웨어 기술수준 (Noisy Intermediate Scale Quantum: NISQ 수준)으로 응용 가능한 양자 알고리즘의 종류가 제한되어 왔다. 양자컴퓨터의 활용성을 높이기 위한 방법으로 고전컴퓨터와 오류가 있는 양자컴퓨터를 동시에 이용하는 하이브리드 방식이 최근 제안되고 있다 (그림 a). 양자집적회로 연구실 (김도헌 교수)의 조경민 학생은 대부분 이론/시뮬레이션으로만 제안된 이 접근법을 실제 클라우드 양자컴퓨터를 사용하여 응용성을 크게 확장하는 연구를 수행하였다.
본 연구에서 개발한 하이브리드 접근 방식을 다체계 물리에서 중요한 두 가지 문제에 적용하였는데, 첫번째는 양자계의 바닥 상태 (많은 경우 계의 성질, 측정 기대값을 결정함)의 특성을 예측하는 것 (그림 b) 과 다양한 양자 상도표의 경계 (양자 효과에 의해 구별되는 상)을 식별하는 것이다 (그림 c). 본 연구에서는 기존연구와 차별적으로 다양한 오류 완화 기법 (오류 정정과 달리 특정 오류를 데이터의 후처리를 통해 소거하는 방법)을 적용하여 양자컴퓨터에서 정제된 데이터를 얻을 수 있었고 이를 이용해 기존에 이론적으로만 제시된 하이브리드 방식이 적용 가능성과 유용성이 높음을 실험적으로 검증하였다.
Quantum computers hold the potential to solve challenging problems in fields such as chemistry and physics, but the lack of quantum error correction currently limits the types of quantum algorithms that can be implemented. To circumvent this limitation, a hybrid approach has been introduced, where classical computers are used in tandem with error-prone quantum computers. Our research extends this hybrid approach by combining quantum computing with classical machine learning (ML) (Figure a), targeting problems that are expected to be difficult to solve using classical computers alone.
We apply this hybrid approach to two important problems in many-body physics. The first is predicting the properties of a system's ground state, which in many cases determines the system's characteristics (Figure b), and the second is identifying various quantum phases, which are distinguished by quantum effects (Figure c).
By applying and developing various error mitigation techniques—which, unlike error correction, can only offset certain types of errors—we were able to obtain refined data from quantum computers. Using this data, we experimentally validated the application of the hybrid approach, which had previously been proposed only theoretically. Through this research, we demonstrate the scalability and effectiveness of hybrid algorithms that utilize both quantum computers and classical computers.
논문명: Machine learning on quantum experimental data toward solving quantum many-body problems
저자: 조경민, 김도헌