양자 컴퓨터가 고전 컴퓨터로는 흉내 내기 어려운 계산을 하려면, 매번 새로 만들어 한 번씩 쓰고 버리는 특별한 양자 상태가 필요합니다. 이른바 ‘마법 상태(magic state)’입니다. 문제는 이 재료를 충분히 낮은 오류로 만드는 일이 워낙 자원 집약적이어서, 구글의 설명에 따르면 일부 추정에서는 기계 전체 용량의 최대 95%를 이 재료 생산에 넣어야 할 수도 있다고 봤습니다. 2026년 10월 15일 Science에 게재된 논문에서 구글 퀀텀 AI 팀은 초전도 프로세서 ‘윌로우(Willow)’에서 마법 상태를 ‘재배(cultivation)’하는 절차를 실기기로 시연하고, 준비 과정의 오류를 기존 대비 약 40분의 1로 줄였다고 보고했습니다.
마법 상태는 왜 병목이었나
양자 연산에는 비교적 다루기 쉬운 것과 그렇지 않은 것이 있습니다. 오류 정정 체계는 전자를 효율적으로 보호하지만, 후자를 구현하려면 미리 정교하게 준비한 마법 상태를 재료로 소비해야 합니다. 한 번 쓰면 재사용할 수 없어서 공급이 끊기면 계산도 멈춥니다. 전통적인 해법은 ‘증류(distillation)’입니다. 불완전한 상태를 여러 개 만들어 걸러 내고, 남은 것들을 다시 걸러 더 좋은 상태를 얻는 방식인데, 자원과 시간이 많이 듭니다.
2024년, 구글 퀀텀 AI의 크레이그 기드니·노아 셔티·코디 존스(Craig Gidney·Noah Shutty·Cody Jones)는 문헌의 아이디어를 다듬어 ‘재배’라는 대안을 제안했습니다. 잡음 섞인 상태를 작은 보호 구역에 넣고, 여러 협조 측정으로 오류를 찾아내 걸러 내되 실패한 시도는 버리고 다시 시작하는 과정을 반복해 매우 순수한 상태 하나를 길러 내는 방식입니다. 이론적으로는 자원을 크게 줄일 수 있었지만, 실제 하드웨어에서 작동하는지는 별개의 문제였습니다. 실험 결과는 2025년 12월 arXiv에 프리프린트로 먼저 공개됐고, 2026년 10월 정식 게재본이 나오면서 보도가 이어졌습니다.
실기기가 보고한 숫자
실험에서 연구진은 마법 상태를 여러 물리 큐비트에 걸쳐 부호화하고, 도우미 큐비트로 정보를 파괴하지 않으면서 오류를 훑었습니다. 검사에 걸린 시도는 버리고 다시 시작했습니다. 엄격한 설정에서는 시도 중 약 8%만이 모든 검사를 통과했습니다. 보고된 결과는 준비 오류의 약 40분의 1 감소와 T 상태의 논리 충실도 약 99.99%입니다. 연구진은 또 작은 오류 정정 부호(거리-3 컬러 코드)에서 더 큰 부호(거리-5 서피스 코드)로 상태를 옮기는 ‘이식(grafting)’ 절차를 시연했고, 논문은 이를 개념 증명 단계로 규정합니다.
40배를 믿게 만든 새 측정
오류가 거의 없는 상태의 오류율을 재려면 그보다 더 정확한 자가 필요합니다. 구글의 설명에 따르면 연구진은 초기 시험에서 ‘물리 법칙을 어기는 듯한’ 데이터와 마주쳤고, 몇 달간의 조사 끝에 원인을 찾아냈습니다. 실험실 장비의 전기적 드리프트와 온도 변화가 기존 벤치마크의 타당성을 흔들고 있었던 것입니다. 해결책은 잡음을 줄이는 추가 제어와 새 측정법이었습니다. ‘킥백 단층촬영(kickback tomography)’이라 불린 이 방법은 훨씬 적은 측정으로 남은 오류를 추정하며, 구글 설명대로라면 재배를 그 자신을 재는 도구로 쓴 셈입니다.
확인된 것과 아직 아닌 것
확인된 것은 실기기에서 작은 부호 수준의 재배가 상태 준비 오류를 크게 낮추고, 그 상태가 더 큰 부호로 이식될 수 있다는 점입니다. 논문도 이것이 확장을 향한 한 걸음임을 분명히 합니다. 더 큰 부호로 옮길 때 추가 오류가 나타난 것은 다음 과제로 남았습니다.
자원 청구서도 아직 정리 중입니다. 10월 초 공개된 별도 프리프린트는 재배 관련 기존 자원 추정들이 ‘무잡음 측정에 의한 후선택(postselection)’을 가정해 왔다고 지적합니다. 이런 측정은 실제 계산 중에는 상태를 파괴해서 쓸 수 없습니다. 이 프리프린트는 현실적인 중간 회로 정보만으로 후선택하는 방법을 제안하면서, 어떤 조건에서는 기존 추정의 효율을 회복하지만 다른 조건에서는 같은 비용에서 달성 가능한 논리 오류율이 몇 자릿수 더 높아질 수 있고, 보고된 수준을 되찾으려면 더 큰 부호와 더 긴 단계가 필요하다고 합니다. 40분의 1은 준비 단계의 수치이고, 기계 전체의 비용은 아직 다시 계산되고 있는 셈입니다.
남는 질문
다음 질문은 분명합니다. 재배를 더 큰 규모에서 반복할 수 있는지, 이식 뒤 오류를 낮출 수 있는지, 그리고 다른 연구진이 같은 수치를 재현하는지입니다. 이번 기록에서 눈에 띄는 것은 40분의 1이라는 숫자 못지않게, 그 숫자를 믿게 만드는 데 새 측정법이 필요했다는 사실입니다. 적어도 이번 단계에서는 상태를 만드는 일만큼 그것을 확인하는 일이 중요한 작업이었습니다.