Helios에서 논리 메모리 충실도 99.9995%를 보고한 Quantinuum

Quantinuum은 유용한 양자 컴퓨팅의 핵심 요건, 즉 양자 정보를 가치 있는 작업에 활용할 수 있을 만큼 오랫동안 온전히 유지하는 문제를 더욱 명확히 보여 주는 양자 오류 정정 성과를 보고했습니다. 회사는 Helios 이온 트랩 양자 컴퓨터에서 오류 검사 주기당 논리 메모리 충실도 99.9995%를 측정했습니다. 이는 주기 100만 회당 논리 오류가 약 5회 발생하는 수준입니다.

10월 19일 발표된 이번 성과는 회사가 이전에 보고한 기록보다 오류율을 10분의 1로 낮춘 것입니다. Quantinuum은 이번 결과가 2029년을 목표로 개발 중인 범용 내결함성 시스템 Apollo의 실현 가능성을 뒷받침한다고 밝혔습니다. 다만 이번 실험은 중요한 메모리 성능 기준을 제시한 것이지, 해당 정확도로 완전하고 유용한 애플리케이션을 실행해 보인 것은 아닙니다.

이번 연구는 AI와 양자 컴퓨팅의 연관성이 커지고 있다는 점도 보여 줍니다. 신경망을 활용하면 오류 측정값을 충분히 빠르게 해석해 향후 실시간 오류 정정을 지원할 수 있습니다. 이번 성과를 평가하려면 무엇을 측정했는지, 디코더를 어떤 방식으로 시험했는지 이해하는 것이 중요합니다.

99.9995% 성과가 측정하는 것

물리 큐비트는 양자 상태를 손상시키는 교란에 취약합니다. 오류 정정은 여러 물리 큐비트에 정보를 분산해 논리 큐비트를 만들고, 추가 측정을 통해 보호된 정보를 직접 읽지 않고도 오류 징후를 찾아냅니다.

핵심은 보호를 강화할수록 논리 오류율이 실제로 낮아지는지 확인하는 것입니다. 오류 정정 임계값보다 낮은 영역에서는 더 큰 코드를 사용할수록 성능이 향상되어야 합니다. 임계값보다 높으면 코드를 유지하는 데 필요한 추가 연산이 지나치게 많은 잡음을 일으킬 수 있습니다.

컬러 코드 임계값보다 훨씬 낮은 영역에서의 양자 오류 정정 연구에서 Quantinuum 연구진은 코드 거리 3, 5, 7의 컬러 코드를 시험했습니다. 코드 거리는 보호 강도를 나타냅니다. 측정된 논리 메모리 오류율은 코드 거리 3에서 주기당 1만 회당 약 5.5회였으며, 코드 거리 5에서는 10만 회당 3.8회, 코드 거리 7에서는 100만 회당 약 5회로 낮아졌습니다.

가장 큰 규모의 메모리 실험에서는 측정 보조 큐비트를 포함한 물리 큐비트 73개로 논리 큐비트 하나를 보호했습니다. 오류율 추정치는 2만 9,000회의 실험 샷에서 관측된 오류 3회를 바탕으로 산출했으며, 각 샷에는 정정 라운드 20회가 포함됐습니다. 관측된 오류 수가 적기 때문에 통계적 불확실성이 중요합니다. 논문은 중심 오류 추정치가 100만 회당 5회이며, 표준편차 1회의 구간은 100만 회당 약 3회에서 9회까지라고 보고합니다.

이는 보호 효과가 점점 커지고 있다는 강력한 증거입니다. 그러나 임의의 양자 게이트 100만 회나 상용 알고리즘의 단계 100만 회를 오류 없이 실행했다는 뜻은 아닙니다.

Helios가 다양한 오류 정정 코드를 시험할 수 있는 이유

Quantinuum의 실험에 대한 기술적 설명은 이전 결과에 사용된 것과 동일한 Helios 하드웨어에서 이뤄진 개선 사항을 강조한다. 이 플랫폼은 고정된 최근접 이웃 배치를 넘어 상호작용할 수 있도록 연결된 이온 트랩을 사용한다. 이러한 유연성 덕분에 연구자들은 하나의 코드에 맞춰 프로세서를 재설계하지 않고도 오류 정정 전략을 바꿀 수 있다.

이번 연구는 큐비트를 나타내는 데 사용하는 상태에서 이온이 벗어나는 누출 현상도 다룹니다. 누출은 오류 정정 기법에 특히 치명적인 상관 오류를 일으킬 수 있습니다. 연구진은 누출된 이온을 계산 상태로 되돌리는 광학적 재펌핑과 오류 확산을 제한하도록 설계된 회로 기법을 결합했습니다.

시험한 코드 거리에서 코드 거리가 2씩 증가할 때마다 논리 메모리 오류율은 약 12배 개선됐습니다. 별도의 2큐비트 클리퍼드 게이트 실험에서는 코드 거리 3과 5 사이에서 오류 억제 효과가 약 9배 향상됐습니다. 두 결과는 서로 연관되어 있지만 별개의 성능 기준입니다. 주요 성과로 발표된 메모리 충실도를 게이트 실험 결과에 적용해서는 안 됩니다.

AI가 오류 신호 해독을 돕다

양자 오류 정정에는 측정 패턴을 해석해 발생 가능성이 높은 오류를 판별하는 고전 디코더가 필요합니다. 프로세서의 처리 속도를 따라갈 수 없다면 물리 하드웨어만 개선해서는 충분하지 않습니다.

이번 연구에서는 Tesseract라는 A* 탐색 디코더, Frontier라는 스트리밍 디코더, 3차원 합성곱 신경망, 라운드 토큰 트랜스포머 등 여러 접근법을 비교합니다. 신경망 모델은 Helios 에뮬레이터에서 얻은 데이터로 학습한 뒤, 하드웨어 데이터로 추가 미세 조정하지 않고 실험 데이터에 적용했습니다.

AI는 여기서 특정한 역할을 합니다. 양자 측정에서 오류 패턴을 식별하는 것입니다. 이 모델들은 양자 프로세서를 대체하지 않으며 범용 AI 애플리케이션을 구현한 것도 아닙니다. 이 모델들의 가치는 디코딩 정확도와 반복적인 오류 정정 주기를 유지하는 데 필요한 속도 사이에서 균형을 맞추는 데 있습니다.

연구진은 신경망 추론 시간이 수백 마이크로초 수준이라고 보고했으며, 이는 이 등급의 하드웨어에서 실시간으로 작동하기에 적합한 속도입니다. 중요한 점은 이 연구의 디코딩이 모두 오프라인으로 수행됐다는 것입니다. 스트리밍 테스트에서는 타이밍을 평가하기 위해 측정값을 라운드별로 제공했지만, 실험 내내 신경망 디코더가 실시간 피드백 루프를 제어하는 모습을 시연한 것은 아니었습니다.

이러한 차이를 고려하면 앞으로 달성해야 할 엔지니어링 이정표가 남아 있지만, 이번 결과의 중요성은 여전합니다. 시뮬레이션으로 학습한 모델이 실제 양자 기계에서 발생한 오류를 성공적으로 해석했기 때문입니다.

메모리 기록에서 유용한 연산까지, 아직 남은 과제

Quantinuum은 이번 결과를 세계 기록이라고 설명하며, 정확도가 이제 Apollo의 목표 범위에 들어섰다고 밝혔습니다. 이러한 주장은 내결함성 컴퓨팅에 필요한 더 폭넓은 요건과 함께 살펴봐야 합니다. 실용적인 시스템을 구축하려면 다수의 논리 큐비트를 보호하고, 충분히 폭넓은 게이트 집합을 실행하며, 계산 중에도 오류 정정을 지속하고, 가치 있는 작업을 완료할 만큼 충분한 처리량을 확보해야 합니다.

이 연구에서도 자원 한계는 여전히 드러납니다. 거리 7의 2큐비트 게이트 실험은 Helios에서 사용할 수 있는 큐비트 수를 초과해 연구진이 수행하지 않았습니다. 회사 블로그는 보편적 내결함성 컴퓨팅으로 나아가는 중요한 경로에 필요한, 확장 가능하고 임계값 미만인 마법 상태 준비 역시 아직 입증해야 할 과제로 꼽았습니다.

Quantinuum의 로드맵에는 2027년 Sol 시스템과 2029년 Apollo가 포함되어 있습니다. 두 시스템은 아직 개발 목표입니다. 현재 증거가 보여주는 범위는 더 좁지만 의미가 있습니다. 기존 하드웨어에서 코드를 변경하고 누출을 제어하며 디코딩을 개선한 결과, 논리 메모리 오류가 크게 줄었습니다.

양자 업계에서 이번 결과는 프로세서가 오류 정정을 시연할 수 있는지 여부를 넘어, 그 보호 기능을 유용한 연산에 필요한 전체 시스템으로 확장할 수 있는지라는 더 어려운 질문으로 관심을 돌립니다. AI 연구자들에게는 머신러닝이 제어 인프라 차원에서 이러한 노력에 기여할 수 있음을 보여주는 구체적인 사례입니다.