NPL·NVIDIA, AI 기반 큐비트 교정 자동화 공동 연구 착수

배경: 왜 큐비트 교정 자동화가 필요한가

양자컴퓨터가 실용 규모로 확장될수록 수십~수백 개 이상의 큐비트 각각을 안정적으로 유지하는 작업은 점점 병목이 된다. 큐비트는 환경 잡음과 상호작용으로 인해 성능 지표가 수시로 변동하며, 대표적인 지표인 T1 이완 시간—큐비트가 들뜬 상태에서 바닥 상태로 돌아오는 시간 척도—도 주기적으로 확인해야 한다. 지금까지는 이 작업을 전문 인력이 수동으로 수행해 왔다.

NPL·NVIDIA 공동 연구의 접근 방식

NPL 산하 양자표준·기술연구소(IQST)는 NVIDIA의 아이징 교정(Ising Calibration) 도구, 즉 훈련된 비전 언어 모델을 양자 측정 시스템에 접목했다. 이 모델은 큐비트의 결맞음 시간이 안정적인지 여부를 판별하고, 급격한 요동이나 점진적 드리프트 같은 불안정 유형도 분류한다. 자동화된 판별 결과는 곧바로 교정 조치에 반영되어 시스템 성능을 지속적으로 개선하는 피드백 루프를 형성한다.

벤치마킹 체계 구축

양 기관은 공동 논문을 통해 큐비트 교정 데이터 분석에 쓰이는 다양한 AI 방법론의 성능을 평가하는 벤치마킹 스위트도 개발했다. 큐비트 결맞음 안정성 검사는 이 스위트 내 세부 벤치마크 중 하나로 포함됐다. 이 연구는 머신러닝 기법이 양자 기기 특성화를 가속하고 잡음의 물리적 원인에 대한 새로운 통찰을 제공한다는 선행 연구 결과 위에 쌓인 성과다.

국가 전략과의 연계

이 협업은 NPL이 추진하는 양자컴퓨팅 독립 벤치마킹 프레임워크 개발의 일환이다. 영국 국가양자기술프로그램(National Quantum Technologies Programme)은 이러한 성능 지표 체계를 투자 판단과 상용 양자 하드웨어 개발 지원에 전략적으로 활용할 계획이다.

다음 단계와 한계

프로젝트의 다음 단계는 확장 가능한 AI 기반 교정 방법을 실증하고, AI 도구 출력 결과의 신뢰성을 보장하는 어슈런스 프레임워크를 마련하는 데 집중된다. 다만 현재 단계에서 실제 양자 프로세서 규모나 정확도 수치 등 구체적인 성능 검증 데이터는 공개되지 않아, 산업 현장 적용 가능성을 판단하기에는 이르다.