GSC-QEMit: 시간 변화 노이즈에 대응하는 적응형 양자 오류 완화를 위한 계층적 예측-밴디트 프레임워크

양자 오류 완화 (QEM) 는 근미래 양자 장치에서 신뢰할 수 있는 결과를 추출하는 데 필수적이지만, 실제 배포에서는 시간 변화하는 노이즈 환경에서 완화 강도와 실행 오버헤드 사이의 균형을 맞춰야 합니다. 우리는 드리프트가 진화함에 따라 경량 억제와 중대 개입 사이를 전환하는 적응형 (adaptive) 완화를 위한 원격 탐사 기반 (telemetry-driven), 컨텍스트--예측--밴디트 프레임워크인 extbf{GSC-QEMit} 을 소개합니다. GSC-QEMit 은 세 가지 결합된 모듈로 구성됩니다: (G) 스트리밍 원격 탐사 데이터를 운영 컨텍스트로 클러스터링하는 성장 계층적 자기 조직화 맵 (Growing Hierarchical Self-Organizing Map, GHSOM), (S) 단기 구간 충실도 저하를 예측하는 불확실성 인식 서브샘플링 가우시안 프로세스 예측기 (uncertainty-aware subsampled Gaussian-process forecaster), 그리고 명시적인 개입 비용을 고려하여 Thompson sampling 을 통해 완화 행동을 선택하는 비용 인식 컨텍스트 다팔밴디트 (cost-aware contextual multi-armed bandit, CMAB) 입니다. 우리는 Qiskit Aer 에서 시뮬레이션된 비정상적 (nonstationary) 노이즈 환경에서 벤치마크 회로 계열 (GHZ, 양자 푸리에 변환, 그리고 Grover 검색) 에 대해 GSC-QEMit 을 평가했습니다. 이 평가에는 행동 레이블이 단계별 완화 강도에 대응하는 계측 테스트베드를 사용했습니다. Clifford, 비-Clifford 및 구조화된 워크로드 전반에 걸쳐 GSC-QEMit 은 완화되지 않은 실행 대비 평균 논리 충실도를 extbf{+9.0%} 향상시키면서도 추론된 노이즈 스파이크에만 중대 개입을 할당함으로써 불필요한 중대 개입을 줄였습니다. 이러한 정책은 회로별 튜닝 없이 평가된 모든 워크로드 간에 이전 (transfer) 되며, 유리한 충실도--비용 트레이드오프를 보입니다.