Google Quantum AI, Willow 프로세서 매직 상태 배양 첫 하드웨어 실증…T-상태 충실도 99.99%

무슨 일이 있었나

보편적 양자 계산을 위해서는 클리포드 게이트만으로는 부족하며, T-게이트 같은 비클리포드 연산이 반드시 필요하다. 이를 오류 정정 코드 체계 안에서 구현하려면 '매직 상태'라 불리는 특수한 논리 양자 상태의 안정적 공급이 전제돼야 한다. Google Quantum AI 팀은 Willow 프로세서 위에서 매직 상태 배양 프로토콜을 실험적으로 구현해, 논리적 T-상태 충실도 99.99(1)%—오류율 0.0001 이하—를 달성했다. 해당 연구는 학술지 Science에 게재됐으며 제1저자는 E. Rosenfeld다.

출처별 강조점과 차이

두 출처는 공통적으로 40배 오류 감소, 99.99% 충실도, 8% 수율, 킥백 단층촬영법(kickback tomography) 개발을 핵심 성과로 전한다. 다만 강조점에서 차이가 있다.

Phys.org는 실험 과정의 물리적 흐름에 집중했다. 노이즈가 섞인 초기 상태를 소형 격자에 분산 인코딩하고, 보조 큐비트로 반복 오류 검사를 수행해 통과한 8%만 보존하는 절차를 단계적으로 서술한다. 아울러 킥백 단층촬영법이 초고충실도 상태 벤치마킹을 위한 새로운 측정 도구로서 갖는 독립적 의미를 부각했다.

Quantum Computing Report는 공학적·로드맵적 맥락을 더 풍부하게 제공했다. 기존 증류 방식이 전체 물리 큐비트 자원의 90~95%를 T-상태 생산에 소모한다는 이론적 예측을 제시하며 자원 병목의 규모를 수치화했고, 이번 실험이 Google이 2024년에 발표한 배양 이론 프레임워크의 첫 하드웨어 검증임을 명시했다. 또한 거리-3 색깔 코드(distance-3 color code)를 통한 오류 필터링 후 거리-5 표면 코드(distance-5 surface code)로의 코드 전환(grafting) 프로토콜이라는 구체적 구현 구조를 상세히 전달했다.

기술적 맥락

배양 방식은 기존 증류 방식과 접근법이 근본적으로 다르다. 증류는 다수의 저품질 매직 상태를 입력해 소수의 고품질 상태를 추출하는 방식으로, 수천 개의 보조 물리 큐비트를 필요로 하는 자원 집약적 구조다. 반면 배양은 칩의 국소적으로 작은 패치 내에서 초기 노이즈 상태를 직접 정제하는 방식으로, 큐비트 점유율을 대폭 낮출 수 있다는 이론적 장점이 있었으나 실제 하드웨어에서 검증된 사례는 이번이 처음이다.

실험의 측정 신뢰성 문제도 주목할 만하다. 충실도가 99.99%에 달하면 잔류 오류 $ϵ\lesssim 10^{-4}$ 수준을 정밀하게 측정하는 것 자체가 난관이다. 연구팀이 자체 개발한 킥백 단층촬영법은 기존 양자 상태 단층촬영 대비 훨씬 적은 측정 횟수로 이 잔류 오류를 경계 추정할 수 있게 해, 초고충실도 벤치마킹의 방법론적 기준도 함께 제시했다.

정제된 T-상태는 이후 더 큰 오류 보호 구조인 거리-5 표면 코드로 이식되는 실험도 성공적으로 수행됐다. 이는 배양으로 생성된 고품질 상태가 실제 결함 허용 연산 구조와 연동될 수 있음을 원리 수준에서 뒷받침한다.

의미와 전망

두 출처 모두 이번 실험이 개념 증명 단계에 머문다는 점을 명확히 한다. 수율 8%는 처리량 관점에서 제한적이며, 수백~수천 개의 논리 큐비트가 요구되는 실용 알고리즘에 배양 방식을 전면 통합하려면 상당한 추가 공학이 필요하다. 그럼에도 기존 증류 방식이 점유해온 압도적 자원 비중을 줄일 수 있는 대안 경로가 하드웨어 수준에서 처음 입증됐다는 점에서, 이번 결과는 Google의 결함 허용 양자컴퓨팅 로드맵에서 의미 있는 이정표로 기록된다.