양자 컴퓨팅은 기존 컴퓨터보다 압도적인 연산 능력을 제공할 잠재력을 가지고 있지만, 현재 기술 수준에서는 큐비트 수의 제한과 노이즈 문제로 인해 대규모 양자 회로의 실행이 어려운 상황이다. 특히, 단일 양자 컴퓨터가 처리할 수 있는 연산량이 제한적이며, 기존 하드웨어가 대규모 양자 연산을 효과적으로 수행하기 어렵다. 이러한 한계를 극복하기 위해 분산 컴퓨팅을 활용한 양자 알고리듬 개발이 필요하다.

양자 컴퓨팅 기업 마이크로알고(MicroAlgo)가 큐비트 수의 한계를 극복하고 분산 컴퓨팅의 이점을 활용해 양자 컴퓨터의 성능을 향상하는 것을 목표로 ‘서브그래프 동형 기반 다중 시뮬레이터 협업 알고리듬(multi-simulator collaborative algorithm based on subgraph isomorphism)’을 도입한다고 발표했다.

분산 컴퓨팅 활용 및 최적화

이 알고리듬의 핵심 개념은 대규모 양자 회로를 여러 개의 작은 하위 회로로 분해하고, 병렬 및 분산 컴퓨팅 기술을 활용해 여러 양자 컴퓨터 또는 양자 시뮬레이터에 컴퓨팅 작업을 분산시키는 것이다.

먼저 양자 회로를 분석해 그 안의 서브그래프 구조를 식별한다. 그래프 이론의 부분 그래프 동형 알고리듬을 사용해 회로는 현재 양자 컴퓨터의 용량 허용량 이하의 큐비트를 포함하는 여러 개의 작은 하위 회로로 분할된다.

최적화 및 매칭 기술을 통해 각 하위 회로는 독립적으로 작동하고 서로 다른 양자 장치에서 계산을 수행할 수 있도록 보장된다.

양자 회로 분할의 첫 번째 단계에서 알고리듬은 회로의 구조를 분석하고 잠재적인 서브그래프를 식별하는 것으로 시작한다. 이 과정은 그래프 이론의 서브그래프 동형 알고리듬을 기반으로 한다. 회로의 위상 구조를 분석해 회로는 겹치지 않는 여러 개의 작은 하위 회로로 나뉜다.

각 하위 회로의 큐비트 수는 사용 가능한 양자 컴퓨터의 자원 제한을 초과하지 않으며, 각 하위 회로는 계산 중에 독립적으로 작동할 수 있다. 이러한 분할 전략은 서로 다른 하위 회로의 병렬 실행이 서로 간섭하지 않도록 보장해 전체적인 계산을 최적화한다.

이 과정에서 알고리듬은 회로 내에서 서브그래프 구조를 식별하고 그래프 매칭 기술을 사용해 회로를 여러 개의 하위 회로로 나눈다. 각 하위 회로에는 독립적인 계산 작업이 할당되며, 이러한 작업은 병렬로 실행될 수 있어 계산 시간을 단축한다.

회로 분할이 완료되면 각 하위 회로를 서로 다른 양자 시뮬레이터 또는 양자 컴퓨터에 할당해 실행한다. 계산 효율을 향상하기 위해 분산 컴퓨팅 프레임워크를 사용하며, 여러 컴퓨팅 장치에 계산 작업을 효율적으로 분산시킨다. 이러한 병렬 프로그래밍 모델을 통해 여러 양자 컴퓨팅 장치가 협력해 전체적인 계산 속도를 높인다.

이 과정에서 마이크로알고의 다중 시뮬레이터 협업 알고리듬은 분산 컴퓨팅의 이점을 활용한다. 분산 컴퓨팅 프레임워크는 각 양자 컴퓨터의 컴퓨팅 자원을 최대한 활용할 뿐만 아니라, 최적의 계산을 위해 필요에 따라 각 하위 회로의 큐비트 수를 유연하게 조정한다.

이 전략을 통해 여러 양자 컴퓨팅 장치에 계산 작업을 효율적으로 할당해 단일 양자 컴퓨터가 대규모 회로를 처리할 수 없는 문제를 해결한다.

또한 계산 효율을 높이기 위해 하위 회로를 분할하는 동안 양자 회로 최적화 기술도 적용한다. 최적화 프로세스는 최종 결과의 일관성을 유지하면서 각 하위 회로의 실행 효율성을 극대화하도록 보장한다.

이 과정에서 양자 회로의 구조를 최적화해 각 하위 회로의 계산 복잡성을 줄여 계산 시간을 더욱 단축한다.

계산이 완료되면 ‘진폭 증폭’이라는 기술을 사용해 각 하위 회로에서 얻은 결과가 올바르게 병합되도록 보장한다. 진폭 증폭은 특정 양자 상태의 확률 진폭을 향상해 결과가 나올 때 원래 회로의 계산을 정확하게 반영하도록 한다.

이 기술을 통해 마이크로알고는 여러 하위 회로의 결과를 단일 양자 컴퓨터의 실행 결과와 일치하는 통합된 출력으로 병합해 알고리듬의 효율과 정확성을 입증한다.

한편, 마이크로알고는 다중 시뮬레이터 협업 서브그래프 동형 알고리듬의 효과와 실현 가능성을 검증하기 위해 여러 테스트를 수행했다. 이러한 테스트에서 여러 양자 회로를 여러 개의 하위 회로로 분할하고 병렬 실행을 위해 서로 다른 양자 컴퓨팅 장치에 배포했다.

테스트 결과, 분할 및 병렬 실행 후 하위 회로에서 얻은 결과가 단일 양자 컴퓨터에서 회로를 실행한 결과와 일치해 알고리듬이 큐비트 수의 한계를 성공적으로 해결하고 여러 양자 컴퓨팅 장치에서 양자 회로의 효율적인 실행을 가능하게 함을 입증했다.

알고리듬의 추가 최적화를 통해 마이크로알고는 대규모 양자 회로에 대한 잠재력을 향상시키고 더 복잡한 계산 작업을 해결하기 위해 다른 양자 알고리듬과의 통합을 모색할 계획이다.