양자컴퓨팅(Quantum computing)는 양자역학의 원리를 활용해 화학계산에서부터 암호 해독, 배터리 소재 개발, 신약 개발, 인공지능(AI)에 이르기까지 다양한 분야에서 기존 컴퓨터보다 더 많은 양을 더 빠르게 계산해 종전에는 답을 찾기 어려웠던 영역의 난제를 신속히 처리할 수 있다. 

여기에, 국내연구진 KAIST(총장 이광형)는 물리학과 안재욱 교수 연구팀이 100큐비트급 양자컴퓨터로 조합 최적화 문제를 계산해 계산 결과 데이터베이스와 계산 프로그램을 공개했다.

조합 최적화 문제 중 하나인 최대 독립집합 문제(Maximum independent set problem)는 SNS상에서 가장 영향력 있는 인물을 찾는 문제, 전력망을 가장 효율적으로 분배하는 법을 찾는 문제 등 다양한 응용이 가능한 문제다. 지난 2023년 KAIST 연구진은 20큐비트급 리드버그 양자컴퓨터를 이용해 최대 독립집합 문제의 풀이를 시연한 바 있다.

일반적으로 100큐비트급 양자컴퓨터의 데이터를 얻기 위해서는 직접 양자컴퓨터를 제작하거나 클라우드 서비스 업체를 이용할 수밖에 없다. 이번에 KAIST 연구진이 공개한 데이터는 관련 분야 연구자뿐 아니라 양자 컴퓨터에 관심 있는 모든 사람이 무료로 데이터에 접근할 수 있게 되었다는 점에서 중요하다고 할 수 있다.

특히, 최대 141큐비트를 활용해 70만 종류 이상의 그래프 최적화를 계산했고, 양자컴퓨터의 계산 결과와 데이터분석 프로그램 일체를 공개했다.

연구를 주도한 안재욱 교수는 “이번 연구를 통해 100큐비트급 양자컴퓨터를 활용한 난제 계산 결과 및 계산 프로그램을 모두 공개하여 그동안 양자컴퓨터에 접근이 어려웠던 연구자를 비롯한 많은 사람이 양자 컴퓨팅 연구에 참여할 수 있을 것으로 기대된다. 아울러, 고성능 양자컴퓨터 개발에 필요한 잡음 분석에도 연구팀이 계산한 데이터베이스가 활용될 수 있을 것이라 생각한다”고 말했다.

실험에 사용된 원자는 리드버그 원자로, 일반 원자보다 만 배 정도 큰 원자로 두 리드버그 원자는 가까이 있으면 쌍극자 간의 상호작용인 판데르발스 힘을 통해 ‘연결’됐다고 할 수 있다. 이번 연구에서는 광 집게 격자의 간격을 충분히 가깝게 만들어 가장 가까운 위치인 격자 상의 원자뿐만 아니라, 그다음으로 가까운 대각 상의 원자들도 연결될 수 있도록 하였다. 이렇게 쌍극자 상호작용으로 연결된 원자들은 체스판에서 왕의 말인 ‘킹’이 움직일 수 있는 경로인 킹 그래프(king graph)를 이룬다.

킹 그래프 상의 최대독립집합 문제는 일반적인 디지털 컴퓨터로는 효율적으로 푸는 것이 불가능함이 증명되어 있는 NP-문제(비결정적 다항 문제, nondeterministic polynomial time)이다. 따라서 양자 컴퓨터로 NP-문제를 효율적으로 풀 수 있는지는 활발히 연구되고 있는 중요한 이슈다. 연구진이 공개한 데이터베이스는 킹 그래프 상의 최대독립집합 문제에 대한 다양한 조건의 계산 결과들이 포함돼 있어 양자 컴퓨터의 효율성 문제에 대한 해답을 구하는 데 도움이 될 것으로 예상된다.

한편, KAIST 물리학과 김강흔, 박주영, 변우정 석박사통합과정, 김민혁 박사(現 고려대 물리학과 교수)가 참여한 해당 연구 결과는 국제 학술지 네이처(Nature) 자매지인 사이언티픽 데이터(Scientific data)에 '100개 이상의 리드버그 원자들로 이루어진 킹 격자에 대한 최대 독립 집합 문제의 양자 컴퓨팅 데이터 세트(Quantum computing dataset of maximum independent set problem on king lattice of over hundred Rydberg atoms-아래 첨부)'란 제목으로 지난달 23일 게재됐다.

향후 고성능 양자컴퓨터 개발에 필요한 잡음 분석에도 연구팀이 계산한 데이터베이스가 활용될 수 있다. 양자컴퓨터는 일반적인 실험에 비해 주변 환경과 잡음에 민감하며, 리드버그 양자 컴퓨터 역시 초고진공, 초저온 상태에서 계산을 수행하나, 여전히 많은 잡음이 존재한다. 연구팀의 데이터베이스는 잡음이 있는 환경에서 양자컴퓨팅 결과들을 담고 있으므로 잡음이 컴퓨팅에 끼치는 영향에 관한 연구에도 이번 계산 데이터베이스가 활용될 것으로 기대된다.

연구팀의 원시 데이터는 figshare(다운)에서 제공되는 코드('Digitze_Data.m')를 사용하여 형광 데이터('flouAreshape')와 디지털화된 데이터('floudigreshape')를 생성하는 데 활용할 수 있다.

기술 검증과 관련된 데이터 처리에는 그룹 동형성을 검증하여 무작위로 생성된 그래프를 분류하고 MIS 문제에 대한 진정한 해를 구하는 작업이 수반된다. 이 작업은 함께 제공되는 사용자 지정 파이썬(Python) 코드를 사용하여 수행된다. MIS 솔버는 파이썬 스크립트 'MISSolver.py'에 저장된 'MISSolver' 클래스에 포함되어 있다. 

이 솔버는 깃허브에서 코드(다운)와 정확한 알고리즘 분석을 위한 측정 및 정복 접근 방식(A measure & conquer approach for the analysis of exact algorithms-보기)을 기반으로 한다. 데이터 레코드에 있는 'GraphTable' 클래스는 Python 스크립트 'GraphTable.py'에 저장되며, 'GraphTable'의 인스턴스는 Python 피클 모듈을 사용하여 저장된다.

더 자세한 연구팀의 연구내용 및 공개한 데이터 및 사용된 코드는 위 논문 및 사이언티픽 데이터(보기)를 참고하면 된다.