초기 결함 허용 시스템을 위한 데이터 기반 경량 오류 탐지 및 하드웨어 인지형 저지연 양자 컴파일

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.