AI가 양자컴퓨터를 먼저 돕는 현실적인 방식
AI와 양자컴퓨터의 결합에서 현재 가장 구체적인 진전은 양자컴퓨터가 AI 모델을 더 빨리 학습시키는 것이 아니라, AI가 불안정한 양자 하드웨어를 제어하는 것입니다. Google Quantum AI와 Google DeepMind 연구진은 양자 오류 검출 신호를 강화학습 에이전트의 학습 데이터로 사용해 프로세서가 계산을 수행하는 동안 수천 개의 제어 변수를 계속 조정하는 방법을 Nature에 발표했습니다.
초전도 양자 프로세서는 주파수·진폭·위상 같은 아날로그 제어값이 시간에 따라 변합니다. 기존에는 정밀 재보정을 위해 계산을 멈춰야 했지만, 긴 유용 계산은 며칠 또는 수개월 동안 이어질 수 있어 이 중단이 병목이 됩니다. 새 방식은 오류를 사후 해독하는 데만 쓰던 신호를 드리프트의 원인을 줄이는 실시간 학습 신호로도 활용합니다.
Willow에서 확인한 결과
연구진은 Google의 Willow 프로세서에 의도적으로 제어 드리프트를 주입했습니다. 강화학습 제어는 오류 보정 코드의 논리 안정성을 3.5배 높였고, 전문가가 먼저 보정한 상태에서도 논리 오류율을 추가로 약 20% 낮췄습니다. 결합된 시스템은 표면 코드에서 오류 보정 주기 1,000회당 1회 미만, 컬러 코드에서 100회당 1회 수준의 논리 오류를 기록했습니다.
수백 큐비트와 수만 개 매개변수의 시뮬레이션에서는 필요한 학습 반복 횟수가 시스템 크기에 따라 늘지 않는 특성이 나타났습니다. 다만 확장성 결과의 일부는 시뮬레이션이며 실제 대형 장치에서 같은 통신 지연과 안정성이 검증된 것은 아닙니다.
무엇을 의미하고 무엇을 의미하지 않나
이번 연구는 AI가 양자 오류 해독, 보정, 캘리브레이션과 운영 자동화에 먼저 쓰일 가능성을 강화합니다. 장기적으로는 사람이 일일이 조정하기 어려운 대형 양자컴퓨터에서 AI 제어 계층이 필수 구성요소가 될 수 있습니다.
그러나 실험은 양자 메모리와 오류 보정 제어의 진전입니다. 범용 오류 내성 양자컴퓨터, 상용 애플리케이션 또는 AI 학습의 양자 가속을 입증한 결과가 아닙니다. 실제 드리프트는 실험에서 주입한 조건보다 복잡할 수 있으며, 더 빠른 고전 제어기와 양자 프로세서 간 통신도 필요합니다.