답변게시됨2시간 전Last edited 2시간 전17 소스

윌로우에서 확인한 ‘마법 상태 배양’, 양자컴퓨터의 자원 병목 풀 열쇠 될까

구글은 윌로우 프로세서에서 마법 상태 배양을 시연해, 배양하지 않았을 때보다 준비 오류를 약 40배 줄였다고 밝혔습니다. 검사를 통과해 보존된 T 상태의 논리적 충실도는 99.99%였지만, 전체 시도 중 약 8%만 최종 단계까지 살아남았습니다.

게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성

Studio Global AI로 검색 및 팩트체크 인기 페이지 더 보기

연구 답변

주요 시사점

구글은 윌로우 프로세서에서 마법 상태 배양을 시연해, 배양하지 않았을 때보다 준비 오류를 약 40배 줄였다고 밝혔습니다.
검사를 통과해 보존된 T 상태의 논리적 충실도는 99.99%였지만, 전체 시도 중 약 8%만 최종 단계까지 살아남았습니다.
이번 결과는 하드웨어에서 기술이 작동함을 보여준 성과입니다. 총 자원이나 비용을 줄였다는 뜻은 아니며, 대규모 실용화까지는 추가 검증이 필요합니다.

Illustration representing quantum hardware and magic state cultivation — What did Google Quantum AI’s October 15 Science study demonstrate about magic state cultivation—a technique proposed in 2024—on its 105-qubiMagic state cultivation aims to improve quantum resource states through repeated checks and post-selection.
AI 프롬프트
Create a landscape editorial hero image for this Studio Global article: What did Google Quantum AI’s October 15 Science study demonstrate about magic state cultivation—a technique proposed in 2024—on its 105-qubi. Article summary: Google Quantum AI reported that its October 15, 2026 Science study demonstrated magic state cultivation on Willow hardware, reducing magic-state errors about 40-fold compared with preparation without cultivation and achi. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
openai.com

구글 퀀텀 AI는 윌로우 프로세서에서 ‘마법 상태 배양(magic state cultivation)’을 시연했다고 발표했습니다. 회사 발표에 따르면 이 방식은 배양하지 않은 경우와 비교해 상태 준비 오류를 약 40배 줄였고, 만들어진 T 상태의 논리적 충실도는 99.99%였습니다. 다만 전체 시도 중 약 8%만 검사를 통과했습니다. 따라서 이번 결과는 기술이 실제 양자 하드웨어에서 작동한다는 증거이지, 대규모 양자 계산의 비용까지 낮췄다는 입증은 아닙니다. 6 9

‘마법 상태’가 필요한 이유

양자컴퓨터는 여러 기본 연산에 클리퍼드 연산을 사용하지만, 이 연산만으로는 범용 오류보정 양자컴퓨터에 필요한 모든 연산을 수행할 수 없습니다. T 게이트를 비롯한 비클리퍼드 연산에는 ‘마법 상태’라는 별도의 자원이 필요합니다. 이 상태는 연산에 한 번 사용하면 소모되므로, 계산을 이어가려면 계속 만들어야 합니다. 16 28

구글이 인용한 추정치에 따르면 고품질 마법 상태를 만드는 데 양자컴퓨터 전체 처리 용량의 최대 95%가 쓰일 수도 있습니다. 이는 잠재적인 자원 병목을 가리키는 추정치이며, 이번 윌로우 실험에서 절감된 용량을 측정한 수치는 아닙니다. 4

증류 대신 ‘배양’…검사를 통과한 상태를 키운다

2024년 구글 퀀텀 AI 연구진이 발전시킨 마법 상태 배양은, 잡음이 있는 상태 여러 개를 모아 정제하는 기존의 마법 상태 증류 방식과 다릅니다. 배양에서는 먼저 칩의 작은 영역에 거친 상태를 부호화한 뒤 일련의 검사를 수행합니다. 검사를 통과한 상태는 더 큰 부호화 구조로 확장할 수 있습니다. 6 28

검사를 통과하지 못한 시도를 버리는 이 과정은 ‘후선택(post-selection)’이라고 합니다. 상태 자체를 정교하게 만드는 데 초점을 둔 방식인 만큼, 실제 효율을 따질 때는 남은 상태의 품질뿐 아니라 버려지는 시도에 들어간 시간과 자원도 함께 봐야 합니다. 20 28

윌로우 실험에서 확인한 것

구글은 배양을 적용했을 때 마법 상태 준비 오류가 약 40분의 1로 줄었고, 배양을 거쳐 검사를 통과한 T 상태의 논리적 충실도가 99.99%였다고 보고했습니다. 여기서 충실도는 프로토콜의 검사를 통과한 상태의 품질을 뜻합니다. 양자 계산 전체가 99.99% 확률로 성공한다는 의미는 아닙니다. 6 9

보도에 따르면 실험에는 윌로우의 물리적 큐비트 105개 중 54개가 사용됐습니다. 구글은 배양한 상태를 표준 부호화 방식에 접목하는 과정도 시연했습니다. 이는 해당 상태를 더 큰 오류보정 계산 체계에서 활용하기 위한 단계입니다. 9 16

중요한 단서는 수율입니다. 전체 시도 가운데 약 8%만 최종 검사를 통과해 보존됐습니다. 즉 높은 충실도는 살아남은 상태에 해당하며, 대부분의 시도에서는 사용할 결과를 얻지 못했습니다. 오류가 40배 줄었다는 수치만으로 전체 계산 비용이나 자원 사용량도 40배 감소했다고 볼 수는 없습니다. 9 30

성과는 분명하지만, 실용화의 증명은 아니다

이번 시연은 마법 상태 배양이 실제 하드웨어에서 고품질 상태를 만들 수 있음을 보여줍니다. 이는 오류보정 양자컴퓨터의 주요 자원 병목을 해결하는 데 보탬이 될 가능성이 있습니다. 하지만 이 결과만으로 복잡한 응용을 경제적인 비용으로, 필요한 규모에서 실행할 수 있게 됐다고 결론 내릴 수는 없습니다. 6 30

RSA-2048 암호 해독에 필요한 오류율과 비교하면 아직 간극이 큽니다. 이번 실험의 오류율은 대략 상태 1만 개당 하나꼴인 반면, 보도에서 제시한 RSA-2048 관련 기준은 100억 개당 하나꼴입니다. 현재 수준보다 약 100만 배 더 낮은 오류율이 필요하다는 뜻입니다. 28 여기에 전체 시도의 대부분을 버리는 수율까지 고려하면, 실용성을 판단하려면 통과한 상태의 충실도뿐 아니라 실패한 시도에 들어간 시간과 하드웨어 자원도 따져야 합니다. 9 30

요컨대 이번 결과는 의미 있는 하드웨어 실증이지만, 양자컴퓨터의 자원 문제를 끝낸 해답은 아닙니다. 더 큰 규모의 시연과 총 자원 비용이 실제로 줄어든다는 근거가 있어야 배양이 오류보정 양자컴퓨터를 얼마나 실용적으로 만들 수 있는지 확인할 수 있습니다.

Studio Global AI

연구를 계속하세요

이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.

Studio Global AI로 검색 및 팩트체크

사람들은 또한 묻습니다.