Microsoft·QOLAB, '확장 가능한 논리 큐비트' 평가 기준 새 틀 제안

제안의 배경: '논리 큐비트' 개념의 확산과 혼선

최근 수년간 여러 기업과 연구 기관이 물리 큐비트 다수에 정보를 분산 인코딩하는 방식으로 메모리 성능을 개선하거나 특정 오류를 억제하는 결과를 발표해 왔다. 논문 저자들은 이러한 성과들이 의미 있는 진전이기는 하지만, 긴 계산을 실제로 수행할 수 있는 시스템을 증명하는 것과는 구별될 필요가 있다고 본다. 이 논문은 '확장 가능한 논리 큐비트(scalable logical qubit)'라는 용어를 정의하며, 업계 전반에 더 엄격한 공통 기준을 적용하자는 문제의식에서 출발한다.

4가지 평가 차원

논문이 제안하는 평가 틀은 신뢰성(reliability), 규모(scale), 기능(capability), 성능(performance)의 네 가지 축으로 구성된다.

신뢰성은 논리 오류율이 기반 물리 큐비트의 오류율보다 낮고, 코드에 투입하는 자원을 늘릴수록 오류율이 추가로 감소하는지를 가리킨다. 실용 규모 시스템의 목표 논리 오류율은 작업 부하에 따라 1조분의 1에서 1000조분의 1 수준으로 제시됐다.

규모는 수백~수천 개의 논리 큐비트를 동시에 운용할 때 충실도 저하, 상관 오류 증가, 속도 저하 없이 작동하는 능력이다.

기능은 논리 상태의 준비·측정부터 시작해 클리퍼드(Clifford) 연산 전체 집합, 비클리퍼드(non-Clifford) 연산, 그리고 측정 결과에 조건화된 실시간 제어 흐름으로 이어지는 단계적 역량을 가리킨다. 마지막 항목은 알고리즘 도중 측정값을 해석해 다음 연산을 즉각 결정하는 능력으로, 저지연 고전 디코더가 필수적으로 수반된다.

성능은 오류율 외에도 게이트 속도와 자원 소비 효율, 즉 실질적 비용까지 포괄한다.

반복 오류 정정의 핵심성과 포스트셀렉션의 한계

논문은 단 한 번의 오류 검출, 포스트셀렉션(post-selection), 사후 데이터 처리만으로는 깊은 계산을 뒷받침할 수 없다고 지적한다. 포스트셀렉션은 오류가 탐지된 실험 실행을 버려 결과 품질을 높이지만, 계산이 길어질수록 완전히 오류 없는 실행의 확률이 급감해 비효율적이 된다. 오류 경감(error mitigation) 기법도 보조적으로는 유용하지만, 수십억 번의 연산에 걸쳐 극히 낮은 실패율이 요구되는 계산을 대체할 수 없다는 것이 저자들의 판단이다.

실용 규모 추정치와 트레이드오프

저자들은 유용한 양자 컴퓨팅의 하한선으로 100개 이상의 고품질 논리 큐비트와 100억 연산당 1회 이하의 오류율을 제시했다. 대규모 화학 계산이나 암호 분석 같은 더 까다로운 응용은 1,000개 이상의 논리 큐비트와 1000조 연산당 1회 이하의 오류율을 요구할 수 있다고 추산했다.

논문은 또한 각 설계 선택이 다른 지표와 상충 관계를 갖는다는 점을 명시한다. 물리 큐비트를 더 많은 논리 큐비트에 분배하면 전체 용량은 늘지만 논리 큐비트당 오류 억제 효과는 줄어든다. 디코더 정확도를 높이면 고전 연산 자원이 늘어 지연이 발생할 수 있다.

이 논문의 의의와 한계

이 논문은 정의와 평가 틀을 제시하는 것이지, 새로운 실험 결과를 보고하거나 특정 하드웨어 플랫폼의 우위를 증명하는 것이 아니다. 플랫폼마다 큐비트 유형, 연결성, 측정 속도, 오류 특성이 크게 다르기 때문에 이 틀을 일관되게 적용하는 구체적인 표준화 작업은 후속 연구 과제로 남아 있다.