최근의 수백 큐비트 프로세서는 중요한 하드웨어 발전을 나타내지만, 현재의 한계로 인해 효과적인 양자 오류 정정(quantum error correction, QEC)이 불가능하여 양자 오류 완화(quantum error mitigation, QEM)에 의존해야 하며, 이는 양자 컴퓨터의 결과 충실도를 향상시키기 위한 필요조건이다. 본 논문은 목표 양자 하드웨어의 노이즈 특성을 활용하여 회로를 보다 효율적으로 폴딩(folding)하도록 함으로써 제로-노이즈 외삽(Zero-Noise Extrapolation, ZNE)의 성능을 향상시키는 노이즈 인지 기반 폴딩 기법을 제안한다. 전통적인 ZNE 접근법이 균일한 오류 분포를 가정하는 것과 달리, 본 방법은 하드웨어 노이즈 모델에 기반한 보정(calibration) 데이터를 사용하여 노이즈를 재분배한다. 노이즈 적응형 컴파일레이션 방법과 본 논문의 제안 폴딩 메커니즘을 결합함으로써, 초전도(superconducting) 양자 컴퓨터를 이용한 양자 게이트 기반 컴퓨팅에서 ZNE 정확도를 향상시킨다. 본 논문은 본 방법의 독창성을 강조하고, 노이즈 축적을 요약하며, 스케일링(scaling) 알고리즘을 제시하고, 선형 외삽(linear extrapolation) 모델을 사용하여 기존 모델들과 비교해 방법의 신뢰성을 평가한다. 실험 결과, 기존 폴딩 방법에 비해 본 접근법은 양자 컴퓨터 시뮬레이터에서 최대 23.6%의 개선을, 실제 양자 컴퓨터에서는 최대 44.8%의 개선을 달성했으며, 통계적 신뢰 구간(statistical confidence intervals)은 회로 스케일 전반에서 안정적인 성능 향상이 나타남을 시사한다.

다양한 합성 및 실제 상호작용 그래프 전반에서, 변수 고정(variable freezing)을 통해 얻은 축소된 Quantum Approximate Optimization Algorithm(QAOA) 인스턴스의 변분(variational) 지형은 강건한 보편성을 보인다. 이러한 구조를 활용하여, 우리는 Doubly Optimized QAOA(DO-QAOA)를 제안하며, 이는 실행 시간과 양자 측정 오버헤드를 감소시키면서도 경쟁력 있는 근사비(approximation ratio) 격차( ARG )를 유지한다. 스핀-유리(spin-glass) 물리의 복제(replica)-중첩(replica-overlap) 틀을 적응하여, 에너지 지형 간의 기하학적 상관을 정량화하는 지형-중첩(landscape-overlap) 순서 매개변수 $q$를 정의하고, 그래프 연결성이 조절될 때 급격한 지형-유사성 전이(transition)가 나타남을 규명한다. 이러한 전이에도 불구하고, 거의 모든 조건화된 부분 인스턴스(conditioned sub-instances)의 지배적인 볼록(convex) 특징은 양 단계 모두에서 정렬된 채로 유지된다. 이러한 지속성을 이용하여, DO-QAOA는 고정된 $m$개의 큐빗을 통해 생성되는 명목상의 축소 인스턴스 $2^m$을 $K=O(1)$개의 유효 지형 클래스(landscape classes)로 붕괴(collapse)시켜, $m$에 따른 지수적 증식을 제거한다. 지형 구조를 활용함으로써 DO-QAOA는 현실적인 하드웨어 제약 하에서 하이브리드 양자-고전 최적화를 위한 확장 가능한 경로를 제공하며, 변분 양자 알고리즘 전반에 잠재적으로 적용 가능하다.

양자 랜덤 액세스 메모리(qRAM)는 오라클 기반 양자 알고리즘을 실행하기 위한 필수 컴퓨팅 요소이다. qRAM은 양자 중첩을 활용하여 메모리 셀에 저장된 모든 데이터를 동시에 접근할 수 있게 하며, 양자 알고리즘의 우수한 성능을 보장한다. qRAM 메모리 셀은 다양한 양자 잡음에 대해 성공적으로 동작하기 위해 양자 오류 정정(QEC) 기술로 인코딩된 논리 큐비트를 포함한다. 양자 잡음뿐 아니라, 실리콘 기술에 기반한 저기술 노드는 큐비트 밀도를 증가시킬 수 있으나 결함 큐비트를 유발할 수 있다. qRAM은 다수의 큐비트를 포함하므로 결함 큐비트에 의해 수율이 감소하며, 이 큐비트들은 QEC 기법을 사용하여 처리되어야 한다. 그러나 QEC 기법은 수많은 물리 큐비트를 요구하므로 자원 오버헤드를 가중시킨다. 본 논문에서는 이러한 오버헤드 문제를 해결하기 위해, 중복 큐비트를 도입함으로써 결함 큐비트를 보상하는 새로운 양자 메모리 아키텍처를 제안한다. 또한 qRAM에서 논리 큐비트의 서로 다른 개수에 대해 이상적인 제작 오류율을 0.5에서 1%까지 변화시키며, 제안한 양자 메모리 아키텍처가 제공하는 수율 향상을 분석한다. 1024개의 논리 큐비트로 구성된 qRAM에서, 여덟 개의 중복 논리 큐비트가 결함 복구 기법을 적용하지 않은 qRAM에 비해 수율을 95.92% 향상시킨다는 것을 입증한다.