Google Quantum AI, 매직 상태 이식 후 저장 오류 7배 초과…킥백 단층촬영법 개발

매직 상태와 오류 정정 자원의 딜레마

오류 정정 코드로 보호되는 논리 큐비트는 외부 잡음으로부터 연산을 안전하게 유지하지만, 코드 내에서 직접 실행하기 어려운 게이트 연산이 존재한다. 이 공백을 메우기 위해 오류 정정 구조 외부에서 별도로 준비한 T-상태, 즉 매직 상태를 주입하는 방법이 쓰인다. 매직 상태는 연산에 사용될 때마다 소비되기 때문에 계산이 길어질수록 지속적으로 재생산해야 하며, 이론 추정에 따르면 이 과정이 미래 양자컴퓨터 전체 처리 자원의 최대 95%를 차지할 수 있다는 시나리오도 제시돼 있다. 이번 실험에서 Google이 검증한 배양(cultivation) 방식은 불완전하게 준비된 초기 상태를 일련의 검사 회로에 통과시키고 실패 시도를 걸러 낸 뒤 합격 시도만 선별(포스트셀렉션)해 자원 부담을 줄이는 접근이다.

Willow 실험과 강화학습 보정

실험에는 105개 초전도 큐비트를 정방 격자로 배열한 Willow 프로세서가 사용됐다. 배양 프로토콜을 적용한 결과 T-상태 준비 오류율이 미배양 방식 대비 약 40배 감소했고, 포스트셀렉션을 통과한 시도의 논리 충실도는 99.99%를 기록했다. 다만 이 수치는 선별 통과 시도에만 적용되는 지표이며, 전체 자원 효율 평가에는 포스트셀렉션 통과율도 함께 따져야 한다.

보정 단계에서는 강화학습이 도입됐다. 오류 검출 빈도를 낮추는 것을 목표로, 데이터 수집 직전 약 4시간의 강화학습 보정이 실행됐다. 이 보정으로 논리 오류 확률과 포스트셀렉션 통과율이 각각 약 10배씩 개선됐으며, 학습을 새로 실행한 반복 실험에서도 결과가 통계 불확실성 범위 내에서 재현됐다.

측정 신뢰성 문제와 킥백 단층촬영법

T-상태 품질 검증 과정에서 기존 측정법의 구조적 결함이 드러났다. 논리 상태 단층촬영은 여러 측정 기저를 결합해 양자 상태를 추정하는데, 포스트셀렉션 조건이 기저마다 달라지면 결합 결과가 물리적으로 불가능한 밀도 행렬로 나타나거나, 반대로 실제보다 높은 충실도를 오보할 수 있다는 사실이 확인됐다. 연구팀은 저주파 위상 잡음, 제어선 잔류 자기장, 큐비트 주파수 변동 등을 원인으로 분석하고 킥백 단층촬영법(kickback tomography)을 고안했다. 이 방법은 배양·측정·검사 과정을 일관된 포스트셀렉션 조건 아래 결합해 충실도 하한값을 자기 일관성 있게 산출하며, 관련 잡음 수준에서 시뮬레이션으로도 검증됐다.

코드 간 이식(그래프팅)과 저장 오류의 과제

배양된 T-상태를 실제 연산 파이프라인에 연결하려면 준비 코드에서 계산 아키텍처 코드로의 이전이 필요하다. 연구팀은 54큐비트 구성에서 거리-3 컬러 코드의 T-상태를 거리-5 표면 코드로 이전하는 그래프팅 실험을 수행했다. 코드 거리는 비검출 논리 오류를 유발하는 데 필요한 물리 오류의 최소 개수를 나타내며, 거리-5는 거리-3보다 강한 보호를 제공한다.

이식 자체는 시연에 성공했으나, 이식 후 오류 정정 사이클을 연장해 오류 누적을 측정한 결과 관측 논리 오류율이 시뮬레이션 예측치보다 약 7배 높았다. 연구팀은 주원인으로 누설(leakage)—큐비트 상태가 정보 인코딩에 사용되는 두 에너지 준위 밖으로 벗어나는 현상—을 지목했다. 해당 실험 회로에는 누설 제거 연산이 포함되지 않았고 읽기 제어도 그래프팅 회로 구성에 맞게 최적화되지 않은 상태였다. 연구팀은 누설 제거 연산 추가, 회로 단순화, 더 높은 코드 거리 적용, 보정 개선을 향후 과제로 명시했다. 이번 결과는 매직 상태 자원 문제의 해결 선언이 아니라, 배양·이식 경로의 단계적 실증이다.