마법 정보 기반 양자 아키텍처 탐색 (Magic-Informed Quantum Architecture Search)

요약

본 논문은 양자 우위를 뒷받침하는 핵심 자원인 '마법(magic)' 정보를 활용하여 양자 아키텍처 탐색(QAS) 기법을 제안합니다. 알파고에서 영감을 받아, 그래프 신경망(GNN)과 몬테 카를로 트리 검색(MCTS)을 결합한 방식을 사용하여 후보 회로의 마법을 추정하고, 이를 통해 목표 목적에 맞는 고마법 또는 저마법 영역으로 탐색 과정을 효과적으로 유도합니다. 실험 결과는 이 방법이 다양한 양자 문제와 크기에서 일관되게 우수한 성능 향상을 보임을 입증했습니다.

핵심 포인트

• 양자 아키텍처 탐색(QAS)에 '마법(magic)' 정보를 통합하여 자원 제어 능력을 높임.
• 알파고의 접근 방식을 차용하여 GNN 기반 MCTS를 사용하여 회로의 마법을 추정하고 탐색을 편향함.
• 제안된 기법은 구조화된 바닥 상태 에너지 문제와 일반적인 양자 상태 근사 문제에 적용 가능함을 입증함.
• GNN이 분포 밖(out-of-distribution) 인스턴스에서도 효과적으로 작동하며, 전반적인 해결 품질 향상을 보임.