구글 퀀텀 AI는 Willow 프로세서에서 ‘마법 상태 배양(magic state cultivation)’을 구현해 배양하지 않은 상태보다 오류를 약 40배 줄였다고 밝혔다. 실험에서 논리 충실도 99.99%의 T 상태도 만들었지만, 실제 활용을 위해서는 더 큰 규모에서 배양을 입증하고 남은 기술 과제를 해결해야 한다.

양자컴퓨터가 범용 연산을 하려면 필요한 양자 연산을 실행하고 오류를 교정해야 한다. 이때 쓰이는 마법 상태는 한 번 사용하면 재사용할 수 없다. 고품질의 오류 교정 상태를 만드는 데 컴퓨터 용량의 최대 95%가 필요할 수 있다는 추산도 있어, 마법 상태 생산은 양자컴퓨팅의 자원 병목으로 꼽혀 왔다.

구글 퀀텀 AI의 크레이그 기드니(Craig Gidney), 노아 셧티(Noah Shutty), 코디 존스(Cody Jones)는 2024년 관련 연구를 발전시켜 마법 상태 배양 방법을 제안했다. 이 방법은 칩의 작은 영역에 잡음이 있는 상태를 주입한 뒤, 일련의 측정으로 오류를 찾아내 결함이 있는 시도를 걸러낸다. 연구진은 이를 통해 오류가 적은 상태를 만들고 더 큰 인코딩으로 확장할 수 있다고 설명했다.

구글 퀀텀 AI의 연구 과학자 엠마 로젠펠드(Emma Rosenfeld)는 초기 실험에서 물리 법칙에 어긋나는 듯한 데이터를 확인했다. 팀은 시뮬레이션과 점검을 거쳐 전기 장비의 드리프트와 온도 변화로 생긴 잡음이 기존 벤치마크의 타당성을 해친다는 점을 찾아냈다. 이에 시스템 제어를 보강하고 배양을 측정 도구로 활용하는 새로운 벤치마크 기법을 개발했다고 밝혔다.

연구진은 Willow에서 배양 프로토콜을 적용해 배양하지 않은 상태보다 오류를 40배 줄였으며, 논리 충실도 99.99%의 T 상태를 얻었다고 보고했다. 또 거리 3 컬러 코드에서 만든 상태를 거리 5 표면 코드로 옮기는 프로토콜을 실제 하드웨어에서 시험했다. 구글 퀀텀 AI는 이를 통해 정제된 상태가 두 코드 사이에서 살아남아 전달될 수 있음을 보였다고 설명했다.

이번 연구는 Science에 발표됐다. 구글 퀀텀 AI는 이번 결과가 마법 상태 배양을 실제 하드웨어에서 구현한 첫 사례라고 밝혔으며, 실용적인 양자컴퓨팅에 적용하려면 더 큰 규모의 시연과 추가 기술 개발이 필요하다고 덧붙였다. 오류 교정에 관한 배경은 구글 리서치의 설명에서 확인할 수 있다.