만든 거 거의 다 버렸는데 이게 돌파구라고? 구글 양자칩 얘기 들어 봐

일단 이상한 가게 얘기부터 들어 봐

많이 버릴수록 오히려 남는 장사, 들어 봤어?

먼저 말해 두는데, 진짜 있는 가게 아니야. 설명하려고 지어낸 가상의 가게야.

마카롱 가게가 하나 있어.
100개 만들기 시작하면 92개를 버려.
진열대에 올라가는 건 8개뿐이야.

여기까지 들으면 망하는 가게 같지?
근데 사장 말로는 이게 남는 장사래. 이거 맞냐고?

맞대. 비결은 버리는 타이밍이야.
이 가게는 반죽 단계에서 아주 작은 흠만 보여도 고치지 않고 바로 버려.
반죽 한 숟갈 버리는 건 거의 공짜거든.
비싼 오븐에 들어가는 건 끝까지 흠 하나 없이 살아남은 애들뿐이야.
그래서 진열대에 올라간 8개는 거의 완벽해. 검사 없이 그냥 만들던 때보다 불량이 약 40분의 1이래.

자, 이제 정체 밝힐게.
마카롱 아니야. 구글 양자컴퓨터 얘기야.

이번 주 뉴스: 진짜로 92%를 버렸어

10월 15일, 구글 퀀텀 AI가 학술지 Science에 실험 결과를 냈어. 양자칩 윌로우(Willow)에서 마법 상태를 '재배(cultivation)'하는 데 성공했다는 거야.
재배를 거치니 오류가 약 40분의 1로 줄었고, 완성된 상태의 정확도(충실도)는 최소 99.99%였어.
그리고 요약에 이런 괄호가 붙어 있어. "시도의 8%만 남김." 거꾸로 말하면 92%는 버렸다는 뜻이야.

이 실험의 설계도가 2024년 9월 arXiv에 올라온 오늘의 논문이야. Science 논문의 참고문헌 1번이기도 해.
근데 하나 꼭 구분해 줘. 오늘의 논문은 컴퓨터 시뮬레이션으로 계산한 제안서고, 실제 칩에서 확인한 건 2026년 실험이야. 둘은 다른 논문이야.

마카롱을 양자 말로 바꾸면

• 마카롱 = 마법 상태. 양자컴퓨터의 특별한 연산 T 게이트에 쓰는 일회용 재료야.
• 반죽 단계 검사 = 작은 오류 정정 코드 안에서 하는 오류 검출
• 흠 보이면 바로 버리기 = 사후 선택
• 비싼 오븐으로 옮기기 = 작은 코드에서 큰 코드로 옮기는 '탈출' 단계
• 오븐 크기 = 코드 거리. 클수록 튼튼해.

물론 비유랑 다른 점도 있어.
실제로 버리는 건 재료가 아니라 시도 자체고, 비용은 밀가루값이 아니라 큐비트를 얼마나 오래, 몇 개 쓰느냐(큐비트×시간)로 따져.
그리고 숫자 두 종류를 섞으면 안 돼. 92%·40분의 1은 2026년 칩 실험 얘기고, 아래에 나올 99%·5억 번에 1번은 논문 시뮬레이션 얘기야. 규모도 설정도 달라.

검출이랑 정정은 달라: 카드번호 끝자리

쇼핑몰 결제창에 카드번호를 잘못 치면, 서버에 묻기도 전에 "카드번호를 확인해 주세요"가 뜨잖아. 마지막 숫자가 앞자리로 계산한 검증 숫자라서 그래.
근데 이 숫자는 어디가 틀렸는지는 안 알려 줘. 찾기만 하고 고치진 않아. 대신 지우고 다시 치면 끝이야.

반대로 QR 코드는 귀퉁이가 좀 찢겨도 읽혀. 남은 부분으로 빠진 정보를 복원하게 설계돼서야. 편한 대신 정보를 더 덧붙이고 계산도 복잡해.

오류 검출 = 틀렸으면 버리고 다시. 오류 정정 = 틀린 곳 찾아서 고치기. 이 차이가 오늘 얘기의 열쇠야.

마법 상태는 왜 이렇게 귀하냐면

양자컴퓨터의 기본 단위인 큐비트는 열이나 전기 잡음 같은 아주 작은 흔들림에도 잘 틀려. 그래서 큐비트 여러 개로 정보 하나를 지키는 양자 오류 정정이 필수고, 구글의 대표 방식이 표면 코드야.

문제는 표면 코드가 기본 연산은 싸게 하는데, 양자컴퓨터를 진짜 양자답게 만드는 T 게이트는 비싸다는 거야. 여기엔 마법 상태가 필요하고, 한 번 쓰면 사라져.
지난 20년 표준은 거친 마법 상태 여러 개를 모아 정제하는 마법 상태 증류였어. 구글 블로그는 일부 추정에서 기계 전체 용량의 최대 95%가 이 재료 공장에 쓰일 수 있다고 소개해.

논문의 발상: 고치지 말고, 버려

저자들은 증류의 비효율이 큰 단위(논리 연산)로 일하는 데서 온다고 봤어. 그래서 상태 하나를 작은 코드에 심고, 검사하면서 조금씩 키우는 방법을 다듬었어. 모종 키우듯 한다고 이름이 '재배'야.

작은 단계에서는 오류를 고치려 하지 않고, 검출 신호가 하나라도 켜지면 바로 버리고 다시 시작해. 저자들 요약이 딱 이래. "너무 많이 검출하면 재시도 비용이 망가지고, 너무 적게 하면 오류율이 망가진다. 우리는 이전 연구들이 너무 적게 검출해 왔다고 본다."

반전 ①: 99%를 버려도 더 싸

물리 노이즈 0.1%(10⁻³)에서 목표 폴트 거리 5로 끝까지 만들면 오류율은 2×10⁻⁹, 약 5억 번에 1번이야. 이때 버리는 비율은 99%.
그런데도 같은 오류율에 이르는 큐비트×시간이 이전 연구보다 한 자릿수(약 10분의 1) 적다고 논문은 계산해.

마카롱 가게랑 똑같아. 실패가 일찍, 싸게 일어나니까 잃는 게 거의 없어. 비싼 큰 코드로 가는 건 살아남은 애들뿐이고. 저자들 추정으로는 비용이 같은 신뢰도의 기본 연산(CNOT) 한 번과 대충 비슷한 수준이래.

반전 ②: 제일 쉬울 줄 알았던 마지막 관문

재배는 세 단계야. 주입, 재배, 그리고 저자들이 느낌표까지 붙인 "탈출!(Escape!)". 잘 키운 상태를 작은 코드에서 꺼내 큰 코드로 옮기는 단계야.
저자들은 처음엔 이게 사소할 줄 알았는데 "단연코 가장 어려웠다"고 털어놔. 기존 방법으로는 옮기는 도중 오류가 지키려는 상태보다 자릿수 단위로 커졌거든.
그래서 컬러 코드(재배에 쓰는 다른 오류 정정 방식)를 큰 표면 코드에 붙이는 '접목(grafting)'을 새로 만들었어. 이번 윌로우 실험도 거리 3 컬러 코드의 상태를 거리 5 표면 코드로 접목했어.

반전 ③: 노이즈 2배 개선이 오류 50배 개선으로

물리 노이즈를 절반(5×10⁻⁴)으로 줄이면 오류율은 2×10⁻⁹에서 4×10⁻¹¹로 50배 좋아지고, 비용은 10배 줄어. 하드웨어가 조금만 좋아져도 효과가 확 커지는 거지. 저자들은 "증류는 실제로는 더 이상 필요 없을지도 모른다"고까지 써.

단서도 솔직하게 달았어. T 상태는 직접 시뮬레이션하기 어려워서 비슷한 S 상태로 계산한 뒤 오류율을 2배로 어림했고(가정 3.1), 공개 직전에 회로의 작은 실수를 발견해서 '정오표' 절을 따로 뒀어. 결과는 안 바뀔 거라고 덧붙였고.

그래서 내 일상은 뭐가 달라지냐면

당장은 없어. Scientific American 보도에 따르면 이번 실험은 윌로우의 큐비트 105개 중 54개를 썼고, 재배 없이 1,000번 중 약 4번 틀리던 상태를 1만 번에 1번 수준으로 낮췄어. 분자 시뮬레이션엔 100만~1억 번에 1번, 지금의 RSA-2048 암호를 깨는 데는 100억 번에 1번 수준이 필요하다니까 아직 갈 길이 멀어.

그래도 "작게 시작해서 일찍 버리고, 살아남은 것만 키운다"는 원리는 카드 결제창처럼 이미 우리 곁에 있어. 저자들은 결론에 재밌는 예언도 남겼어. 마법 상태가 싸지면 그 재료를 더 많이 쓰는 빠른 알고리즘이 오히려 유리해져서 양자 알고리즘 설계 자체가 바뀔 거래. 재료값이 내려가면 레시피가 바뀌는 것처럼.

그럼 버리지 않고 '고치는' 쪽, 표면 코드는 실제로 어떻게 오류를 찾아낼까? 그건 다음 징검다리에서 건너 보자.