Microsoft·Quantinuum, H2 기반 논리 큐비트 12개 생성 및 하이브리드 화학 시뮬레이션 시연

논리 큐비트 4개에서 12개로 — 3배 도약의 배경

올해 초 두 팀은 H2 기기의 물리 큐비트 30개를 활용해 논리 큐비트 4개를 만들어 논리 오류율을 물리 오류율 대비 800분의 1 수준으로 낮춘 바 있다. 이번에는 H2 기기의 큐비트 수가 56개로 늘어나고, 2큐비트 충실도가 99.8%에 달하는 하드웨어 성능 향상을 기반으로 오류 정정 알고리즘을 확장해 논리 큐비트 12개를 구현했다.

12개의 논리 큐비트는 GHZ(그린버거-호른-차일링거) 상태, 즉 고양이 상태로 얽힘 처리됐다. 이 상태에서 측정된 회로 오류율은 0.0011로, 해당 물리 큐비트의 회로 오류율 0.024보다 22배 낮았다. 이전 발표에서는 논리 큐비트 2개를 벨 상태로 얽히게 했는데, 이번에는 12개 전체를 더 복잡한 다중 얽힘 구조로 연결했다는 점에서 기술적 난도가 높다.

오류 정정과 연산의 동시 수행 — 내결함성 양자컴퓨팅의 첫 사례

논리 큐비트 8개를 이용한 실험에서는 오류 정정을 5회 반복하는 동안 논리 얽힘 연산도 함께 수행하는 방식을 검증했다. 이 8큐비트 구성의 회로 오류율은 0.002로, 물리 큐비트의 0.023보다 11배 낮았다. 연산과 오류 정정을 병행해 실질적인 성능 향상을 이끌어낸 것은 이번이 처음이라고 두 팀은 밝혔으며, 이는 내결함성 양자컴퓨팅의 핵심 조건 중 하나를 충족한 사례로 평가된다.

양자·HPC·AI의 결합 — 촉매 화학 문제에 적용

화학 응용 시연에서는 Quantinuum의 H1 기기에서 생성한 논리 큐비트 2개를 활용해 철 촉매 중간체의 활성 공간 기저 상태를 준비·측정하는 양자 계산을 수행했다. Azure Quantum Elements 내 AutoCAS와 AutoRXN으로 사전 HPC 시뮬레이션을 진행해 활성 공간과 반응 경로를 파악한 뒤, 고전 섀도 측정법으로 얻은 데이터를 AI 모델 학습에 투입해 기저 상태 에너지를 추정했다. 고전 계산 기준값과 비교한 결과, 논리 큐비트 기반 계산이 물리 큐비트 기반 계산보다 97% 신뢰 수준에서 더 정확한 에너지 추정값을 산출했으며, 화학 정확도 기준인 1.6 mHa 이내에 들어왔다.

다만 이 특정 문제는 고전 컴퓨터로도 풀 수 있는 수준이므로, 아직 과학적 양자 우위 달성은 아니다. 두 팀은 이 시연을 양자·HPC·AI가 화학 문제 해결에 통합 적용된 최초의 종단간 사례라는 데 의미를 두고 있다.

확장 전략과 향후 전망

Microsoft는 큐비트 가상화 시스템을 이온 포획 방식에 한정하지 않고, Atom Computing의 2세대 중성원자 시스템(물리 큐비트 1,200개 이상 설계)에도 적용 중이다. 추후에는 자체 개발 중인 위상 큐비트에도 적용할 계획이다. Microsoft는 약 100개의 논리 큐비트가 확보되면 과학적 양자 우위 달성이 가능할 것으로 내다보고 있다. 또한 Quantinuum의 InQuanto 양자화학 소프트웨어 패키지가 Azure Quantum Elements에 비공개 프리뷰로 통합됐다.