mallo

Google Quantum AI는 왜 Willow에서의 ‘magic state cultivation’을 큰 진전이라고 말할까요?

요약 듣기

0:005:32

말로 앱 받기 원문 보기blog.google
요약 보기

이 글에서 Google Quantum AI가 가장 강하게 말하는 건 하나예요. Willow 프로세서에서 ‘magic state cultivation’이 실제로 작동했고, 그 결과 정제하지 않은 상태와 비교해 오류를 약 40배 줄였다는 점이에요. 연구진은 이걸 양자컴퓨팅의 오래된 병목 하나를 실험으로 뚫어낸 사례로 해석해요. 다만 이 말은 곧바로 ‘이제 실용적 양자컴퓨터가 완성됐다’는 뜻은 아니에요. 글의 무게중심은 완성 선언이 아니라, 오랫동안 이론으로만 중요하다고 여겨지던 아이디어가 실제 하드웨어에서도 성립한다는 걸 보였다는 데 있습니다.

왜 이 주제가 그렇게 중요하냐면, 원문은 ‘유용한 프로그램을 실행하는 보편적 양자컴퓨팅’을 하려면 특정한 양자 연산들을 오류 보정과 함께 수행할 수 있어야 한다고 설명해요. 그리고 그 연산을 가능하게 하는 데 magic state가 필요하다고 말하죠. 문제는 이 magic state를 좋은 품질로 만드는 비용이 너무 크다는 점이에요. 글에는 어떤 추정에서는 양자컴퓨터 전체 능력의 최대 95%가 여기에 들어갈 수 있다고 적혀 있어요. 게다가 한 번 쓰면 다시 쓸 수 없다고 하니, 비싼 부품을 계속 새로 만들어 넣어야 하는 셈이죠. 계산을 하려고 기계를 마련했는데, 그 기계의 대부분이 계산 자체보다 ‘계산에 필요한 소모품 만들기’에 묶일 수 있다는 이야기예요. 그래서 원문은 이걸 20년 동안 붙잡혀 온 핵심 병목으로 다룹니다.

그럼 cultivation은 무엇을 바꾸려는 방법일까요. 원문은 이 과정을 필터처럼 설명해요. 비유해서 생각해 보면, 처음부터 완벽한 결과물을 한 번에 찍어내는 방식이 아니라, 약간 잡음이 섞인 재료를 넣고 검사와 탈락 과정을 반복해 쓸 만한 것만 남기는 공정에 가까워요. 여기서는 잡음이 있는 양자 상태를 칩의 작은 영역에 넣고, 여러 측정을 정교하게 맞춰 수행해서 오류가 드러난 시도는 제거해요. 그렇게 해서 더 순수하고 오류가 낮은 상태를 ‘길러내고’, 동시에 더 큰 규모에서 쓸 수 있는 부호화로 옮겨 가려는 아이디어라는 거예요. 연구진은 이론상 이 방식이 실제 문제를 풀 만큼 큰 양자컴퓨터를 만드는 데 필요한 규모를 줄일 수 있다고 기대했다고 말합니다.

하지만 종이 위에서 좋아 보이는 아이디어를 장비에서 그대로 성립시키는 건 다른 문제였다고 글은 강조해요. 특히 흥미로운 대목은 측정 기준 자체가 흔들렸다는 점이에요. Emma Rosenfeld는 초기 실험에서 마치 물리 법칙에 어긋나는 것처럼 보이는 데이터를 봤다고 하고, 몇 달 동안 시뮬레이션과 토론, 점검을 거친 끝에 팀이 익숙하게 쓰던 측정 기법의 가정이 잘못됐다는 걸 찾았다고 해요. 원문에 따르면 실험실 전기 장비의 드리프트와 온도 변화가 만든 특정 잡음이 기존 벤치마크의 타당성을 해치고 있었어요. 그래서 단순히 장비를 조금 고치는 수준이 아니라, 이론과 엔지니어링 접근을 함께 바꿔야 했다고 합니다. 시스템 제어를 더 넣어 그 잡음 영향을 줄였고, 더 근본적으로는 cultivation 과정을 이용해 스스로를 측정하는 새 벤치마킹 기법도 만들었다고 해요. 이 대목이 중요한 이유는, ‘오류가 줄었다’는 결론은 결국 믿을 만한 측정 방식이 있어야만 설득력을 얻기 때문이에요.

연구진이 내세우는 성과는 두 갈래예요. 하나는 Willow에서 정제하지 않은 상태보다 오류를 40배 줄였다는 점이고, 다른 하나는 T-states에서 논리 충실도 99.99%를 얻었다는 보고예요. 여기서 조심해서 읽어야 할 부분도 있어요. 원문은 이 수치를 중요한 품질 지표처럼 제시하지만, T-state가 정확히 무엇인지, 또 ‘논리 충실도’라는 값을 어떤 방식으로 해석해야 하는지까지 자세히 풀어 설명하지는 않아요. 그래서 독자로서는 ‘연구진이 자신들의 실험 품질을 보여 주는 핵심 수치로 이 값을 제시했다’ 정도로 이해하는 게 안전해요. 또 원문은 여기서 끝나지 않고, cultivation에 적합한 color codes와 더 널리 쓰이는 surface codes 사이를 오가는 첫 단계를 보였다고 말해요. 뜻은 단순해요. 정제한 상태를 한 구석에서 예쁘게 만드는 것만으로는 부족하고, 실제 계산에 쓰는 오류보정 체계 안으로 무사히 옮겨야 한다는 거예요. 글은 distance-3 color code에서 distance-5 surface code로 상태를 grafting해, 정제된 상태가 하드웨어 안에서 살아남으며 옮겨질 수 있음을 보였다고 해석합니다.

마지막으로 한계도 분명해요. 연구진 스스로, 실용적 양자컴퓨팅에 현실적으로 쓰이려면 더 큰 규모에서 magic state cultivation을 보여줘야 하고 기술적 과제가 많이 남아 있다고 적어요. 그러니 이 글은 ‘문제가 완전히 해결됐다’는 선언이라기보다, 오래된 이론적 아이디어 하나가 실제 장비에서 통한다는 걸 보여 준 중간 성과로 읽는 편이 맞아요. Google Quantum AI가 말하는 ‘한 걸음 더 가까워졌다’는 표현도 바로 그 정도의 의미예요. 목표를 향해 전진했다는 주장이지, 목표를 이미 달성했다는 뜻은 아닙니다.