Boeing의 기술 연구원인 Marna Kagele는 "우리는 이러한 종류의 문제를 해결하기 위한 다른 접근 방식을 찾아보는 데 관심이 있습니다."라고 말합니다.

Boeing은 양자 컴퓨터가 결국 이러한 종류의 복잡한 문제 해결을 간소화하는 데 도움이 되기를 바라고 있습니다. 양자 컴퓨터는 언젠가 수천 개의 변수가 있는 문제를 잘게 쪼개지 않고 한꺼번에 해결할 수 있을 것입니다.

첫 번째 단계로 IBM Quantum과 Boeing 연구원들은 아이디어를 테스트하기 위해 플라이 복합재 문제의 모델 버전을 구축했습니다. 이들은 문제를 본질, 즉 재료를 겹겹이 쌓아 올리는 최적의 방법을 찾는 데 집중했습니다. 이를 컷다운 플라이 복합재 문제라고 부릅니다.

양자 컴퓨터가 아직 개발 중이기 때문에 실제 양자 하드웨어를 사용하여 이 컷다운 문제를 해결하는 것은 어려운 일이었습니다. 기존의 양자 최적화 방법은 양자 리소스를 충분히 효율적으로 사용하지 못했습니다.

Boeing과 IBM Quantum이 함께 작업을 시작했을 때, 표준 양자 최적화 알고리즘 툴킷은 각 큐비트에 대해 1 또는 0을 나타내는 하나의 이진 변수만 인코딩할 수 있었습니다.

(큐비트는 양자 계산의 기본 단위로, 기존 컴퓨터에서 1과 0을 형성하는 이진 비트와 거의 동일합니다.)

완전한 비행기 날개를 설계하려면 Boeing이 강력한 기체를 제작하기 위해 따르는 엄격한 엔지니어링 규칙뿐만 아니라 플라이 층을 나타내는 수천 개의 변수를 고려해야 합니다. 컷다운 플라이 복합재 문제에는 40개의 변수가 포함됩니다.

큐비트는 오늘날의 양자 컴퓨터에서 중요한 리소스이며, 아직 40개의 변수 각각에 1큐비트를 일치시킬 만큼 충분히 크지 않습니다. 이러한 한계로 인해 혁신이 불가피했다고 Kagele은 말합니다.

IBM Quantum은 양자 알고리즘에 대한 자체 내부 작업 중 일부를 Boeing에 가져왔고, 팀은 이를 함께 사용하여 양자 최적화에 대한 새로운 접근 방식을 개발했습니다. 연구팀은 각 큐비트에 하나의 변수를 인코딩하는 대신 각 큐비트에 세 개의 이진 변수를 인코딩할 수 있음을 보여주었습니다. 따라서 단일 큐비트는 기존 비트보다 3배 더 많은 정보 부하를 처리할 수 있으며 3배 더 많은 변수를 나타낼 수 있습니다.

이를 통해 이전의 양자 최적화 알고리즘에 비해 효율성이 크게 향상되었습니다. 그리고 실제 IBM 양자 컴퓨터에서 컷다운 플라이 합성 문제를 성공적으로 실행할 수 있었습니다. 팀은 40개의 이진 변수를 사용하여 양자 컴퓨터가 처리한 역대 최대 규모의 이진 최적화 문제를 실행하여 이전 기록의 거의 두 배에 달하는 결과를 얻었습니다.

Lowell은 "우리는 제품 설계의 핵심인 매우 큰 최적화 문제를 분석하여 양자 컴퓨터가 최적화 문제의 일부를 해결하면서도 잘 처리할 수 있음을 보여주었습니다."라고 말합니다.

그는 Boeing이 설계 과정에 양자 컴퓨터를 사용하려면 아직 몇 년이 더 걸릴 것이라고 덧붙였습니다.

"우리는 지금보다 더 크고 더 큰 최적화 문제를 처리할 수 있는 양자 컴퓨터가 필요하지만, 이러한 새로운 방법을 통해, 이 프로젝트를 시작할 때 우리가 예상했던 것보다 훨씬 더 많은 성과를 거둘 수 있었습니다. 몇 년 전에 예상했던 것보다 해결책이 더 가까워진 것 같습니다."