물리적 구현과 오류 정정¶

이전: 텐서곱과 얽힘 · 심화 과정 홈 · 다음: 클라우드·산업·양자 우위

실제 큐비트는 어떻게 만드는가¶

큐비트는 추상적인 수식이지만 실제 장비에서는 두 상태를 안정적으로 선택하고 제어할 수 있는 물리계가 필요하다.

필수 기능은 다음과 같다.

|0> 상태로 초기화
한 큐비트와 두 큐비트 게이트 수행
계산 시간 동안 결맞음 유지
높은 정확도로 측정
많은 큐비트의 보정과 제어

실제 QPU는 여러 시스템 계층으로 구성된다.

사용자 회로
  → 컴파일·라우팅
  → 제어 전자·레이저·마이크로파
  → 물리 큐비트
  → 측정 장치
  → 신호 처리·오류 복호
  → 고전 결과

대표 구현 방식¶

항목	초전도	포획 이온	중성원자
큐비트	Josephson 접합을 포함한 인공 원자	진공에 가둔 이온의 내부 상태	광집게에 가둔 중성원자
제어	마이크로파와 자속 펄스	레이저 또는 전자기장	레이저와 Rydberg 상호작용
강점	매우 빠른 게이트, 칩 집적·제조 경험	높은 충실도, 긴 결맞음, 높은 연결성	큰 배열, 재배치 가능한 연결성
부담	극저온, 배선, 소자 편차, 제한된 연결성	상대적으로 느린 게이트, 광학·트랩 확장	원자 손실·재장전, 게이트와 측정 품질
대표 조직	IBM, Google, Rigetti	IonQ, Quantinuum	QuEra, Pasqal, Atom Computing

“충실도·속도·확장성 중 둘만 얻는다”는 문장은 첫 직관으로 활용한다. 실제 비교에는 연결성, 측정 속도, 병렬성, 제조 수율, 보정 안정성과 오류 정정 코드까지 포함한다.

성능을 보는 지표¶

지표	묻는 질문
물리 큐비트 수	동시에 제어 가능한 원시 자유도는 몇 개인가?
게이트 충실도	연산이 이상적 목표에 얼마나 가까운가?
연결성	어느 큐비트 쌍에 직접 2큐비트 게이트를 걸 수 있는가?
게이트·측정 시간	한 회로와 피드백을 얼마나 빨리 실행하는가?
결맞음 시간	환경 잡음 전에 얼마나 오래 정보를 유지하는가?
회로 깊이	유용한 신호가 사라지기 전에 몇 층을 실행하는가?
논리 오류율	오류 정정 후 계산 단위가 얼마나 안정적인가?
처리량	보정·대기·샷을 포함해 결과를 얼마나 생산하는가?

큐비트 수만 비교하면 안 된다. 연결성이 낮으면 SWAP 게이트가 추가되고, 게이트 수가 늘면 오류가 누적된다. 반대로 작은 시스템도 높은 품질과 연결성으로 더 깊은 특정 회로를 실행할 수 있다.

회사마다 Quantum Volume, #AQ, CLOPS, 회로 충실도나 논리 큐비트 수처럼 다른 지표를 강조한다. 정의, 측정 조건, 전체 시스템 규모와 독립 검증 여부를 함께 읽어야 한다.

잡음과 오류¶

이완: |1>이 에너지를 잃고 |0>으로 감
위상 소실: 상대위상 정보가 흐려짐
제어 오류: 회전 각도·펄스가 목표와 다름
읽기 오류: 실제 상태와 측정 결과가 다름
누설: 계산에 쓰는 두 준위 밖으로 상태가 빠짐
누화와 상관 오류: 여러 큐비트가 함께 영향을 받음

양자 오류에는 0↔1 반전, 위상 오류와 연속적인 작은 회전이 포함된다. 복제할 수 없는 양자 상태를 보호하기 위해 오류 정정은 여러 물리 큐비트의 상관관계에 정보를 분산한다.

오류 정정¶

양자 오류 정정(quantum error correction)은 논리 정보를 여러 물리 큐비트의 얽힌 상태에 분산한다. 데이터 값을 직접 읽는 대신 보조 큐비트로 오류 신드롬, 즉 특정 패리티의 변화를 반복 측정한다.

물리 큐비트들
  → 안정자·패리티 측정
  → 신드롬
  → 고전 디코더
  → 오류 추정 또는 프레임 갱신
  → 논리 연산 계속

임계값¶

물리 연산의 오류가 코드와 잡음 모델이 허용하는 임계값보다 낮으면, 코드 거리를 키울수록 논리 오류율을 낮출 수 있다. 개략적으로 표면 코드에서는 다음과 같은 스케일링을 기대한다.

\[ \epsilon_d\propto\left(\frac{p}{p_{\mathrm{thr}}}\right)^{(d+1)/2} \]

p는 물리 오류율, p_thr은 임계값, d는 코드 거리다. 실제 시스템에서는 누설, 상관 오류, 측정 오류, 디코더 지연과 장시간 안정성이 이 단순식에 추가된다.

Willow가 보여준 것¶

Google Quantum AI는 Willow 초전도 프로세서에서 거리 5와 7의 표면 코드 메모리를 구현하고, 코드 거리를 2 늘릴 때 논리 오류가 절반 이상 줄어드는 below-threshold 동작과 실시간 디코딩을 보고했다. 거리 7 메모리는 101개 큐비트를 사용했다. Nature 논문

이 결과가 뜻하는 것:

물리 성능이 임계값 아래일 때 더 큰 코드가 더 나은 메모리를 만들 수 있다는 경로를 실제 장비에서 보였다.
논리 메모리 수명이 구성 물리 큐비트보다 길어지는 beyond-breakeven을 보였다.

뜻하지 않는 것:

다음 단계는 범용 논리 게이트와 긴 상업 알고리즘의 실행이다.
필요한 논리 오류율까지의 자원 비용을 측정해야 한다.
상관 오류와 시스템 확장 문제도 계속 다뤄야 한다.

물리 큐비트와 논리 큐비트¶

논리 큐비트 수만으로도 플랫폼을 단순 비교할 수 없다. 코드마다 다음이 다르기 때문이다.

오류를 검출만 하는지 실제로 정정하고 계속 계산하는지
post-selection으로 실패 실행을 버리는지
어떤 논리 게이트를 fault-tolerant하게 수행했는지
논리 오류율과 코드 거리
반복 신드롬 측정과 실시간 복호 여부

따라서 “물리 몇 개당 논리 하나”라는 비율은 유용하지만 단독 순위표가 될 수 없다.

오류 완화와 오류 정정¶

오류 완화(error mitigation)	오류 정정(error correction)
여러 잡음 실행의 통계로 더 나은 추정값을 얻음	논리 상태를 코드에 인코딩하고 오류를 반복 검출·처리
현재 NISQ 장비에서 사용	fault-tolerant 계산의 기반
샷 수와 고전 후처리 비용 증가	물리 큐비트와 디코더·제어 오버헤드 증가
회로 깊이가 커지면 비용이 급증할 수 있음	임계값 아래에서 코드 확장으로 오류 억제 가능

오류 완화된 결과를 오류 정정된 계산이라고 부르면 안 된다.

남은 핵심 난제¶

충분히 낮고 균일한 물리 오류율
수천~수백만 소자의 제조와 제어
빠른 중간 측정·리셋·실시간 디코딩
논리 게이트, 특히 비용이 큰 비-Clifford 연산
상관 오류·누설·장시간 드리프트
실제 알고리즘에 필요한 전체 자원과 에너지·비용

오류 정정이 물리적으로 의미 있는 방향으로 작동한다는 증거는 강해졌다. 다음 검증 대상은 실용적 오류내성 컴퓨터의 규모와 경제성이다.

오류 채널을 구분하는 이유¶

한 큐비트의 대표적인 잡음은 세 범주로 나눌 수 있다.

잡음	상태에 주는 영향	관련 지표
에너지 이완	들뜬 `\|1>`이 `\|0>`으로 감쇠	`T₁`
위상 감쇠	두 성분의 상대위상 정보 감소	`T₂`, `T₂*`
제어·측정 오류	목표 회전 편차, 누화, 판독 착오	게이트·측정 오류율

실제 장치에는 계산공간 밖으로 나가는 누설, 우주선·방사선·제어 계통에서 생기는 상관 오류, 시간에 따른 보정 드리프트도 있다. 오류 정정의 임계값 분석은 독립적이고 균일한 잡음을 가정하는 경우가 많다. 장치 평가에서는 잡음의 평균 크기와 함께 공간·시간 상관, 최악값과 분포를 확인한다.

게이트 충실도 99.9%는 평균적인 한 번의 동작이 목표에 가깝다는 뜻이다. 길이 1,000의 회로가 그대로 36.8% 성공한다는 단순 곱셈으로 해석할 수는 없지만, 작은 오류가 긴 회로에서 누적된다는 방향은 보여준다. 회로 구조, coherent error, 오류 상쇄와 측정 대상에 따라 실제 결과가 달라진다.

fault tolerance의 의미¶

오류 정정 코드가 있어도 하나의 잘못된 물리 연산이 코드 블록 전체로 퍼지면 논리 정보를 잃을 수 있다. fault-tolerant 연산은 제한된 수의 물리 오류가 한 번에 통제 가능한 범위를 넘어 확산하지 않도록 설계한다.

대표 구성요소는 다음과 같다.

반복 신드롬 측정과 빠른 디코더
오류가 퍼지는 방향을 제한한 논리 Clifford 게이트
논리 측정과 초기화
비-Clifford 연산을 위한 magic state 주입·증류
실패 가능성이 있는 연산을 감지하고 다시 준비하는 프로토콜

Clifford 게이트만으로 만든 회로는 안정자 형식으로 효율적인 고전 시뮬레이션이 가능하다. 범용 양자계산에는 T 게이트 같은 비-Clifford 자원이 필요하다. 표면 코드 기반 자원 추정에서 magic state 공장은 물리 큐비트와 실행 시간의 큰 부분을 차지할 수 있다.

자원 추정의 구성¶

논리 알고리즘을 실제 장비 요구량으로 바꾸는 과정은 여러 층을 거친다.

문제 크기와 목표 오차
  → 논리 알고리즘과 게이트 수
  → 논리 회로 깊이와 T-count/T-depth
  → 허용 논리 오류율
  → 코드 종류와 거리
  → 데이터 블록·라우팅·magic state 공장
  → 물리 큐비트 수와 오류 정정 주기
  → 총 실행 시간·에너지·장비 비용

같은 알고리즘도 물리 오류율이 낮아지면 필요한 코드 거리와 공장 수가 줄 수 있다. 더 좋은 알고리즘, 회로 합성, 오류 정정 코드와 하드웨어가 함께 자원량을 바꾼다. 따라서 “알고리즘에 논리 큐비트 1,000개가 필요하다”와 “장치에 물리 큐비트 몇 개가 필요하다” 사이에는 코드와 시스템 가정이 반드시 들어간다.

시스템 운영에서의 병목¶

대규모 오류 정정은 QPU 외부의 고전 시스템에도 높은 요구를 만든다. 매 주기 생성되는 신드롬을 제한 시간 안에 처리하고, 복구 프레임을 다음 제어에 반영해야 한다. 배선·광학·냉각 용량은 큐비트 수와 함께 확장돼야 하며, 자동 보정은 장시간 실행 중 드리프트를 추적해야 한다.

실용 장비의 평가 단위는 개별 칩에서 전체 서비스로 이동한다. 핵심 운영 지표에는 다음이 포함된다.

논리 연산 오류율과 속도
연속 운용 시간과 보정 주기
작업 성공률과 처리량
디코더 지연과 전력
장비 가동률과 유지보수 시간
알고리즘 한 회당 전체 비용

이전: 텐서곱과 얽힘 · 심화 과정 홈 · 다음: 클라우드·산업·양자 우위