노이즈가 있는 중간 규모 양자 (NISQ) 프로세서는 완전한 양자 오류 정정 (Quantum Error Correction)이 과도한 자원 비용을 초래하지만, 경량 오류 탐지 (Lightweight Error Detection)를 통해 알고리즘 성공률을 유의미하게 개선할 수 있는 초기 결함 허용 (Early Fault-tolerance) 단계에 진입하고 있습니다. 기존의 컴파일 (Compilation) 및 오류 탐지 툴체인은 이러한 문제들을 개별적으로 다루며, 지연 시간 (Latency) 제약 조건 하에서 탐지 오버헤드 (Detection Overhead)와 성공 확률 사이의 균형을 맞추는 원칙적인 방법이 없습니다. 본 논문에서는 노이즈 가중치 비용 함수 (Noise-weighted Cost Function)와 학습된 다목적 스케줄러 (Multi-objective Scheduler)를 통해 큐비트 매핑 (Qubit Mapping), SWAP 삽입, 신드롬 스케줄 배치 (Syndrome-schedule Placement)를 공동으로 최적화하는 통합된 하드웨어 인지형 컴파일 및 데이터 기반 양자 오류 탐지 (QED) 프레임워크를 제시합니다. GPU 가속 밀도 행렬 시뮬레이션 (NVIDIA cuQuantum SDK)을 사용하여 HPC 클러스터에서 수행된 VQE, 위상 추정 (Phase-estimation), Grover 벤치마크, 세 가지 노이즈 프로파일, 그리고 6-20 큐비트 크기(깊이 10-160)에 대한 시뮬레이션 실험 결과, 공동 설계 (Co-design)를 통해 사후 선택 (Post-selection)을 적용한 8-큐비트 VQE 인스턴스에서 SABRE 대비 알고리즘 성공 확률을 최대 68% (95% 신뢰 구간: 60% ~ 76%)까지 높일 수 있음을 보여줍니다.