양자컴퓨팅 소프트웨어 최신 기술 동향

양자컴퓨팅 소프트웨어 계층에서 그림 1과 같이 양자 프로그래밍 언어로 기술된 양자 알고리즘은 컴파일러를 통해 특정 양자 하드웨어 도메인에 최적화된 양자 명령어로 변환된다[1,2]. 이 과정에서 현재 양자컴퓨팅 구현 수준에 따라 양자 오류 정정 과정이 추가되고, 논리 큐비트 연산이 다수의 물리 큐비트에 기반한 실제 물리 연산으로 변환된 후 최 종 단계에서 대상 양자 프로세서를 구동하는 제어 펄스를 생성하는 양자 명령어로 변환된다. 따라서 양자컴퓨팅 환경은 고전컴퓨팅과 유사한 정도의 추상화 수준과 컴파일 및 디버깅 도구를 갖추어야 더 효율적이고 프로그래밍 오류가 최소화된 양자 알고리즘의 구현이 가능하게 된다.

그림 1

일반적인 양자 프로그래밍 도구흐름

출처 Reprinted with permission from [1].

최근 다양한 양자 소자 기술에 기반한 양자 하드웨어 기술 연구가 빠르게 진척되어 50~150큐비트 규모의 양자 프로세서 개발로 이어지고 있다. 그러나 이 양자 하드웨어는 아직 독자적인 컴퓨팅 시스템으로 운영되기에는 구성 요소의 기술 완성도가 낮아 고전 컴퓨터의 이종 컴퓨팅 환경과 같은 계산 가속기 형태로 운영되고 있다[3]. 즉, 고성능 컴퓨터의 계산 가속기 형태로 양자컴퓨터를 연동하여 이종 컴퓨팅 환경으로 활용한다. 이와 같은 계산 가속기 유형의 상용 양자컴퓨팅 시스템으로는 Qiskit(IBM), Cirq(Google Quantum AI), QCS(Rigetti), Azure Quantum(Microsoft), Braket(AWS), Quantum Leaf(Baidu), Alibaba Quantum Computing Cloud(Alibaba)를 제공하고 있다[4,5]. 또한 초전도체 방식의 Forest(Rigetti), 이온 트랩 방식의 IonQ, 양자 어닐링 방식의 Ocean(D-Wave) 플랫폼 등이 있다. 현재 다양한 양자 큐비트 소자 기술이 경쟁하고 있지만, 본고는 초전도체 기반 최근 3년간의 양자컴퓨팅 플랫폼을 중심으로 양자 프로그래밍 언어와 컴파일러, 시스템 검증 기술 관련 분야에 국한하여 최신 기술 동향을 정리하였다[6-10]. 최종적으로 본고에서는 양자컴퓨팅 소프트웨어 계층의 요소 기술 동향을 분석하고, 이 분야에서 향후 해결해 가야 할 기술적 도전 과제에 대해 분석하고자 한다.

최근 양자 기술 투자와 성과들이 활발하여 국내외에서 주요 양자 플랫폼 관련 연구가 활발히 이루어졌다[11-13]. 대규모 선도 기업을 포함한 전반적인 상황은 표 1의 요약을 참조하고 본고에서는 특히 진보된 연구가 이루어진 Forest, Qiskit, ProjectQ, ScaffCC, XACC, t|ket>, OpenQL 등의 플랫폼 내 큐비트 배치, 스케줄링, 최적화를 수행하는 컴파일러 특징과 동향을 중심으로 소개한다[14,15].

1. Forest

2. Qiskit

3. ProjectQ

2016년에 발표된 취리히 공과대학교의 양자 플랫폼은 슈퍼컴퓨터 수준의 고전 컴퓨터에 의해 제어되는 양자 가속기 모델로 설계되었다.

그림 2와 같이 양자컴퓨팅 도구 체인에서는 기존 인프라 활용을 위한 임베디드 언어로부터 시작하여 시뮬레이터, 에뮬레이터, 자원 분석기, 하드웨어 등의 백엔드를 고려하였다[18]. 계층화된 방법론으로 모듈화와 유연성을 제공하는데 하드웨어에 구애되지 않는 상위 수준 컴파일러의 최적화를 제공한다. 오류 보정(QEC: Quantum Error Correction) 단계를 전후로 QIR(Quantum Intermediate Representation)과 LLQIR(Low-Level QIR)을 생성하고 이런 계층화를 통해 독립적 구현과 그로 인한 코드 재사용률이 증가한다. 자원 계수기는 알고리즘 실행 시 사용할 큐비트와 게이트 수를 추적하여 알고리즘 개선 최적화를 달성한다.

그림 2

ProjectQ 전 과정 프레임워크

출처 Reprinted from [18], CC-BY 4.0.

한편 라이브러리에 관한 최적화 연구도 진행된 바 있는데 양자컴퓨팅의 공간 제약이 훨씬 심하므로 추가 메모리의 부담이 적은 in-place 알고리즘이 유리하지만 계산되지 않은 중간 결과들로 인해 시간이 더 많이 소요될 수 있다. 따라서 비계산 중간 결과와 더 많은 큐비트 수요 간의 절충점을 찾는 것이 중요하다. 보조 큐비트 레지스터를 초기화하는 일은 다시 계산되어야 하는 부분을 포함하는데 2020년에 배포된 연구에 따르면 대형 함수에 대해 공간 복잡성을 25% 수준으로 줄이는 방식을 적용하여 해결하였다[19].

4. ScaffCC

5. XACC

6. t|ket>

7. OpenQL

확장성이 있는 양자컴퓨터의 소프트웨어 구성 요소는 양자 알고리즘을 표현하는 프로그래밍 언어와 컴파일러, 양자 명령어 정의 구조(QISA: Quantum Instruction Set Architecture), 시뮬레이션, 검증과 디버깅 등의 영역이다. 고전 컴퓨터 CPU에 대한 turing machine 개념 모델보다는 QRAM(Quantum Random-Access Machine) 개념 이후 최초의 실용적인 양자 언어 QCL이 출현하였고 이후 오늘날까지 꾸준히 함수형 혹은 명령형 언어 형식으로 다양하게 제안되었다.

표 2에 정리한 양자 언어 구조 연대기를 보면 2016년부터 3년간 가장 활발하게 발표되었고 지금도 양자 알고리즘의 특성을 반영하고 사용성을 개선하기 위한 연구가 진행되고 있다[28,29]. 밑줄로 표시된 양자 어셈블리 언어(QASM: Quantum ASeMbly language)들 중에는 OpenQASM의 영향력으로 실제적인 표준 위치에 있고 가장 최근에 이온 트랩 방식을 위한 Jaqal이라는 언어가 발표되고 현장에서의 교육 등을 진행하고 있다[30].

최근의 고급 언어로써 취리히공대의 Silq라는 언어는 보조 큐비트를 계산 이전 상태로 되돌리는 절차를 자동화하거나 사용자 오류를 예방하는 절차를 제공하고 있다[19]. 이처럼 유용한 양자컴퓨터를 위해서 하드웨어, 알고리즘의 개발과 동시에 소프트웨어 도구의 연구개발이 함께 발전해 가야 한다. 양자 프로그래밍과 컴파일은 알고리즘이 갖는 추상적인 수학적 내용을 실제 컴퓨터에서 실행할 수 있도록 변환하는 중요한 작업이다. 프로그래밍 언어는 핵심 개념과 동작을 지원하는 표현 문법을 제공해 변환 절차를 지원하게 되는 것이다.

최상위 수준의 언어는 알고리즘을 쉽고 빠르게 프로그래밍할 수 있고 장치 독립적이며 이식성이 있는 소프트웨어를 많이 생성할 수 있다. 또한 하위 수준의 언어는 하드웨어 구성 요소와 원활한 상호 작용으로 신속한 실행이 되도록 제공하게 된다. 수십억 개의 트랜지스터로 이루어진 고전 컴퓨터에서 프로그래머는 그 오류에 대해 전혀 신경 쓰지 않고 자유로이 구현하고 디버깅하는 것처럼 장기적으로는 양자컴퓨팅도 자동화된 도구 흐름에서 하위 수준 언어를 흡수하여 추상화를 제공하게 되어야 할 것이다.

상위 수준의 양자 언어는 함수형과 명령형이 모두 개발되었고 아직 그 적합성의 결론이 나지 않은 상태이다. Q#, Quipper, QuaFL, LiQui|> 같은 함수 언어는 추상적이거나 수학적인 알고리즘 구현에 적합하여 간결하고 오류가 적은 코드가 가능하다. Scaffold, ProjectQ 같은 명령형 언어는 변수의 직접적인 수정과 자원 효율적인 설계를 지원한다. 또한 공식적으로 정의된 언어를 확장하는 embedded 언어는 개발자가 기존 언어 환경을 활용하여 초기 구현 속도를 높일 수도 있다.

본고는 비교적 초기 양자 언어이지만 확장성이 잘 고려되고 최근까지 활발한 개선과 연동이 이루어지고 있는 Scaffold 언어에서 고려한 사항들을 살펴보면서 양자 언어와 컴파일러에서 고려하는 사항을 함께 확인하고자 한다[20].

고급 언어로 표현된 알고리즘은 컴파일러에 의해 기계어로 변환되는데 루프를 단순히 펼치게 되면 확장성에 문제가 된다. 이에 모듈화를 하여 출력 파일의 크기를 줄임으로써 분석 시간과 메모리 공간을 개선할 수 있도록 다양한 선택을 제공한다. 또한 QASM-HL(with Hierarchy and Loop) 방식으로도 정적 분석 단계(Pass-Driven Approach)에 중간 표현이 크게 생성되는 경우는 실행 시간에 변환하는 방식(Instrumentation-Driven Approach)을 제공하여 출력 코드의 크기를 억제하기도 한다. 즉, 고전적 의존성은 고전적으로 해결하고 양자 부분의 정보를 수집함으로써 알고리즘의 특성에 따라 적용할 수 있도록 제공되는 것이다. Silq와 마찬가지로 회로의 가역적(Reversible) 절차를 자동 수행하는 기능도 제공된다.

2020년엔 OpenQASM 지원을 위한 Scaffold-NISQ가 발표되었다[31]. 당초 Scaffold는 대규모 큐비트까지 수용 가능한 확장성 있는 모델로 제시되었는데 현실적으로 단기간, 중규모의 수요 및 IBM 클라우드 환경 맞춤으로 50~100큐비트 양자 소자를 목표로 하는 경량화 Scaffold-NISQ로 빠르고 쉬운 배포 버전이 공개된 것이다. NISQ Benchmark, IBM Backend Simulator 연동과 이에 따른 자원 계수기가 제공되며 특히 LLVM에 최적화 pass를 추가할 수 있어 유연성이 향상된다. OpenQASM용으로 컴파일러는 –b(basic), -f(flattened), -o(Optimized QASM), -T(Toffoli 분해), -R(Rotation 분해) 등의 선택지를 제공하며 OpenQASM에 맞추어 다차원을 단일 요소 배열로 분해하는 과정이 반영되어 있다. 이 사례를 통해서도 IBM 양자 클라우드의 영향력을 가늠할 수 있으며 어셈블리 언어는 OpenQASM이 사실 표준의 역할을 하고 있다.

2021년 4월에는 그림 3과 같은 컴파일과 실행 모델 기반의 OpenQASM 3이 발표되었는데 기본 게이트, 큐비트 매핑, 타이밍, 펄스 및 제어 흐름을 정의한 v2로부터 게이트 선언에서 제어 부분에 융통성을 향상하거나 서브루틴 정의 등을 확장·제공하며 하드웨어에 독립 혹은 종속적인 컴파일 단계를 지원하고 현재 30개에 달하는 컴파일러의 세부 변환 및 최적화 단계가 제공되고 있다[17,32].

그림 3

OpenQASM 양자프로그램 컴파일과 실행 모델

출처 Reprinted from [32], CC-BY 4.0.

시뮬레이터는 알고리즘 개발에 중요한 역할을 하며 상태 공간 확장성에 관련이 크고 하위 수준에서 상위 논리 수준까지 다양한 동작 확인에 사용된다. 대상과 규모에 따라 슈퍼컴퓨터를 이용하거나 하위 집합에 대한 양자 시뮬레이터가 가능하며, 이를 위한 자원 추정은 매우 중요한 역할을 하므로 많은 플랫폼에서 필수적으로 제공 및 개선하고 있다[33]. 올해 MIT-하버드의 초저온 원자센터 연합팀은 루비듐 원자 기반으로 사상 최대 규모인 256큐비트 양자 시뮬레이터를 개발하여 기하급수적으로 더 많은 정보를 저장하고 처리할 수 있는 계기를 마련하였다[34]. 한편 D-Wave Systems는 양자 어닐링 방식으로 구글과 협업하여 2,000큐비트로 수십 년 된 문제를 고전컴퓨팅 대비 3백만 배 빠르게 모의시험을 진행하여 양자 계산의 장점을 다시 한번 확인하였다[35].

양자 프로그래밍은 복잡도나 측정 시 상태 붕괴하는 특성으로 검증과 디버깅이 난해하다. 따라서 양자컴퓨팅 도구의 검증(V&V: Validation & Verification)도 향후 많은 도전이 필요하고 발전이 필요한 영역이다[36]. 디버깅을 위한 assertion도 보조 변수의 측정을 이용하여 제한적으로 수행할 수 있으며 자원 추정기를 이용한 중단점(Breakpoint) 설정 전략이 가능하다. 양자 프로그래밍은 IBM Quantum Composer나 ProjectQ, OpenQL QuantumInspire 등 플랫폼 내에서 이미 가시화 도구로 제공되고 있으며 양자의 상태를 복소수로 나타내는 블로흐 구와 연동하여 표현하기도 하고 회로 재구성의 단계를 보여주는 PyZX 도구는 t|ket>에서 연동되어 있다. 양자 오류 정정은 NISQ에서 FTQC로 가는 과정에서 중요한 연구 주제이며 다양한 진행이 이루어지고 있고 이 자체로 별도의 정리가 필요한 중요 요소이다. 알고리즘이나 도구의 객관적 성능 비교를 위해서는 RevLib나 QASMBench 등 기존의 자료를 활용할 수 있다[37].

Intel은 2016년 qHipster라는 분산 고성능 시험 환경을 구축하였는데 2020년에는 HPC(High Performance Computing) 인프라를 이용하여 회전 각도 자동 변경 노이즈 게이트와 확률 회로 적용, 병렬 작동의 성능을 포함하여 최대 42큐비트까지 독립 혹은 백엔드로 동작할 수 있는 IQS(Intel Quantum Simulator)를 발표하였다[38].

프린스턴 대학교 연구진의 TriQ라는 도구 체인은 IBM 양자 클라우드에서 매일 제공하는 교정 정보를 반영하여 큐비트의 완화(Relaxation) 시간, 일관성(Coherence) 시간, 게이트 오류, 판독 오류 등 하드웨어의 실제 최신 정보를 반영한 컴파일러 최적화 알고리즘을 실행한다. 큐비트 할당에 있어서 선형 제약 조건을 입력으로 최적화하고 SMT(Satisfiability Modulo Theories) Solver를 적용하며 경험적 기법인 비중 노드/에지 우선 탐욕 기법(GreedyV/E)으로 기존 R-SMT 기법의 3시간 대비 1초 이하 소요의 컴파일 성능과 수백 큐비트 NISQ 시스템 적용성을 확인하였다[39].

2019년 시카고 및 컬럼비아 대학교와 함께 IBM 양자 클라우드 사용자의 저변 확대나 알고리즘 개선을 위해 CertiQ라는 검증 프레임워크도 진행하고 있으며 많은 단계를 자동화하였다[17]. 인터페이스에 따라 작성된 컴파일러 패스를 사용하여 Qiskit에서 실행 가능한 코드가 생성되고 양자 회로 등가성 확인용 계산이 가능하며 널리 사용되는 데이터 구조, 회로 변환 함수, 검증된 라이브러리가 제공된다.

2018년에는 양자 알고리즘과 오류 수정에 초점을 맞춘 연구자들이 모여 언어의 기본 구조와 명령 집합 모델, FTQC, 최적화, 자동 변환, 디버깅, 시험, 검증 도구, 응용, 추상화 등에 관하여 의미있는 연구 발표 및 논의가 있었는데[40], 이 당시 Verification 지원은 QWIRE만 가능했지만 TriQ나 CertiQ의 발표에 따라 Scaffold나 Qiskit도 검증이 지원되는 언어로 분류할 수 있다고 판단된다. 이 논의 보고서 중 유용한 양자 최적화 도구들을 표 3으로 정리하였다.

양자컴퓨터는 생화학, 금융, 에너지, 자동차, 기후, 물류, 기계 학습, 인공지능 등 다양한 응용 분야에서 기존의 슈퍼컴퓨터로는 해결할 수 없는 문제에 적용되고 있다. 양자컴퓨터 하드웨어 시스템은 꾸준하게 연구 개발되고 있으며 2~3년 이내에 천 큐비트 이상의 양자 시스템이 개발되어 사용할 수 있을 것으로 예상된다. 하지만 큐비트가 갖는 짧은 결맞음 시간과 높은 오류율은 단시일 내에 해결될 수 없는 한계로 인식되고 있다.

양자컴퓨팅 소프트웨어는 다수의 기업과 대학교에서 양자 프로그래밍 언어, 양자 컴파일러, 양자 시뮬레이터 등 전체 소프트웨어 스택 구조로 연구 개발되고 있다. 양자 프로그래밍 언어는 다양한 양자 알고리즘을 보다 효과적으로 표현하기 위해 연구되고 있으며, 양자 컴파일러는 큐비트가 갖는 한계를 해결하고 극복할 방법 등에 관한 연구를 통해 양자 프로그램이 양자컴퓨터에서 효율적으로 실행될 수 있도록 한다. 본고에서 살펴본 주요 선도 플랫폼 소프트웨어 동향 분석을 통해 각 연구진이 중요하게 반영하고 있는 사항은 하드웨어 독립성, 프로그램의 확장성과 재사용성, 최적화를 위한 자원 추정과 분석에 집중하고 있음을 인식할 수 있다. 이외에 양자컴퓨팅 소프트웨어는 양자 오류 정정, 양자 실행 제어, 양자 암호, 양자통신 등 다양한 영역에서도 연구되고 있다.

양자컴퓨터는 현재 미국, 중국, 호주, 유럽 등지에서 기술 패권을 차지하기 위해 경쟁하고 있으며, 머지않은 미래에 상용화될 것으로 예상된다. 양자컴퓨터가 상용화 수준에 이르기 위해서는 다수의 안정적인 큐비트가 필요하지만, 이를 효율적으로 운용할 수 있는 소프트웨어 또한 매우 중요하다. 따라서 기존의 공개 코드 활용과 자율적인 커뮤니티 활동도 더욱 활성화되면서 양자컴퓨팅 소프트웨어를 구성하는 전체 스택에 대한 연구개발은 반드시 국가적 차원에서의 지속적인 추진을 기대한다.

NISQ 잡음이 있는 중규모 양자컴퓨팅, 약 50에서 수백 큐비트를 포함하지만 내결함성에 도달할 만큼 충분히 진보되지 않았고, 양자 우위로부터 지속 가능한 이익을 얻을 만큼 충분히 크지 않은 양자 프로세서 수준을 이름

LLVM Low Level Virtual Machine은 컴파일러의 기반 구조로 컴파일, 링크, 실행 상황에서 언어에 상관없이 최적화를 쉽게 구현할 수 있도록 제공됨

Hoare Triple 프로그램의 정확성 추론을 위한 논리 형식 중 코드 실행이 계산 상태를 변경하는 방법을 설명함; 사전 조건 P, 일련의 프로그램 문장 S, 사후 조건 Q로 구성되며 {P}S{Q} 의미는 S가 실행되기 전에 P가 참이고, S의 실행이 종료되면, 사후에 Q가 참임을 나타냄