컴퓨팅

Nvidia가 Google의 '마법 상태 배양' 파티에 시뮬레이션으로 진입하다

실용적이고 확장 가능한 내결함성 시스템(fault-tolerant systems)이라는 약속된 땅에 가까워지면서 양자 컴퓨팅 분야에서 많은 혁신이 일어나고 있습니다. 하지만 계산 오류를 줄이는 것은 여전히 해결해야 할 핵심 과제입니다. 큐비트(Qubits)는 매우 취약하여 쉽게 분해되고 결맞음(coherence)을 잃을 수 있으며, 너무 많은 오류가 발생하는 양자 시스템은 쓸모가 없습니다.

양자 컴퓨팅 공급업체들은 여러 물리적 큐비트(physical qubits)들의 집합으로부터 논리적 큐비트(logical qubits)를 생성하여, 근본적인 양자 상태를 중단하지 않으면서 오류를 감지하고, 격리하며, 수정할 수 있습니다. 하지만 단 하나의 논리적 큐비트를 구현하는 데 수천 개의 물리적 큐비트가 필요할 수 있기 때문에, 양자 시스템을 확장하기는 어렵습니다. 그리고 이러한 확장성 문제는 여기서 끝나지 않습니다.

클래식 서버가 수행하는 모든 연산 외에 양자 컴퓨터 고유의 연산을 실행할 수 있는 범용 양자 시스템(Universal quantum systems)은 양자 알고리즘을 수행하기 위해 클리퍼드 게이트(Clifford gates, 예: S 및 CNOT 게이트)와 비-클리퍼드 게이트(non-Clifford gates, 예: T 게이트)를 모두 포함해야 합니다. 대부분의 오류 수정 코드는 클리퍼드 상태는 처리할 수 있지만, 비-클리퍼드 게이트는 처리할 수 없습니다.

2004년, 연구원들은 컴퓨터에 의해 준비되어 계산 과정에 주입되는 '마법 게이트(magic gates)'를 도입했습니다. 이는 범용 양자 컴퓨팅의 핵심이지만, 또한 취약하고 높은 충실도로 생성하기 어려우며 재사용할 수 없기 때문에 지속적으로 더 많이 만들어야 합니다. 마법 상태 증류(Magic state distillation)는 이 문제를 완화하기 위해 많은 노이즈가 있거나 부정확한 상태들을 모아 적은 수의 고충실도 마법 상태로 변환하는 방식을 사용했습니다. 하지만 이러한 모든 과정을 수행하는 데 시간이 걸리며, 양자 시스템 용량의 최대 95%를 소모할 수 있어 우려되는 자원 병목 현상을 초래합니다.

2024년, Google 연구원들은 고충실도(high-fidelity)의 마법 상태(magic state)를 더 저렴하고 효율적으로 생성하기 위한 또 다른 기술인 '마법 상태 배양(magic state cultivation)'을 소개했습니다. 이 방법은 방대한 양의 노이즈가 포함된 상태(noisy states)를 만들어내고 그중 많은 부분을 폐기하는 대신, 엔지니어들이 노이즈 상태를 양자 칩의 작은 영역에 넣고 – 일종의 필터처럼 – 특수 코딩 기술을 통해 측정을 실행하여 오류를 찾아내고 결함 있는 시도(flawed tries)를 제거함으로써, 궁극적으로 더 낮은 오류율을 가진 마법 상태를 성장시켜 양자 알고리즘 실행에 필요한 하드웨어 오버헤드를 크게 낮춥니다.

배양 기술의 검증 (Putting Cultivation to Test)

지난 10월 15일, Google과 Nvidia는 모두 마법 상태 배양 개발을 크게 진전시키는 프로젝트를 발표했으며, Google Quantum AI 연구원들은 이 방법의 최초 하드웨어 구현 결과를 보고했습니다. Google의 Willow 초전도 양자 칩에서 실행된 이번 시연은 비배양 상태와 비교하여 오류율이 40배 감소하는 결과를 가져왔으며, 논리적 충실도가 99.99%에 달하는 T-상태를 생성했습니다.

일주일도 채 되지 않아 Nvidia 연구원들은 유럽 최초의 엑사스케일 컴퓨터인 독일 율리히 슈퍼컴퓨팅 센터(Jülich Supercomputing Centre)에 위치하며 Nvidia GH200 슈퍼칩으로 구동되는 Jupiter에서 마법 상태 배양을 테스트한 104-큐비트 시뮬레이션을 실행했다고 발표했습니다. 이들은 자신들이 개발한 기술이 다른 방법보다 90% 적은 큐비트를 사용한다고 밝혔습니다.

Nvidia의 양자 제품 디렉터인 Sam Stanwyck은 두 공급업체의 작업 모두 궁극적으로 오류 허용(fault-tolerant) 양자 컴퓨팅에 도달하는 데 중요한 단계이며, Nvidia는 이러한 시뮬레이션이 수행할 수 있는 결정적인 역할을 보여준다고 기자들에게 전했습니다.

스탠위크는 "이는 Google의 작업과 상호 보완적입니다. Google이 한 것은 하드웨어에서의 소규모 시연에 불과합니다. 이는 마법 상태 배양(magic state cultivation)이라는 접근 방식 자체가 실제 하드웨어에서 작동한다는 개념 증명(proof-of-concept)이었습니다. 이제 Google과 모두가 해야 할 다음 단계는 그것을 어떻게 설계하고 확장할 것인가입니다. 이를 가능하게 하기 위해 모든 사람이 하고 싶어 하는 것은 마법 상태 배양을 시뮬레이션하여 그것을 훨씬 더 잘 이해하고 차세대 프로세서를 설계하는 것입니다. 저희의 결과물은 그러한 작업을 수행하기 위한 도구와 플랫폼으로 방향을 제시합니다."

배양(cultivation)을 이론에서 현실로 옮기기 위해 2년 동안 노력한 끝에, Google 과학자들은 Science지에 발표된 논문에서 그 작업과 결과를 설명했습니다. 그들은 실용적인 양자 시스템에 더 현실적으로 만들기 위해서는 이 기술을 더 큰 규모에서 시연해야 한다고 언급했지만, "이 성과는 핵심 이론적 아이디어를 가져와 실험적으로 입증된 현실로 바꾼 것"이라고 덧붙였습니다.

Nvidia의 스탠위크는 회사의 작업이 시뮬레이션이 어떻게 이 분야를 발전시킬 수 있는지 보여주었다고 말하며, "이러한 접근 방식을 중심으로 하드웨어와 소프트웨어를 효과적으로 설계하려면, 그것이 어떻게 작동하는지, 특히 오류를 어떻게 처리하는지 이해하기 위해 가능한 한 깊이 있게 시뮬레이션해야 합니다"라고 주장했습니다.

미래의 하이브리드 양자-고전 환경(hybrid quantum-classical environments)을 위한 가속기 역할을 하고자 하는 이 공급업체는 오류 수정(error correction)을 위해 시뮬레이션을 실행하는 데 디지털 트윈(digital twin)을 사용하는 유일한 곳이 아닙니다. 올해 초, Amazon Web Services와 Quantum Elements의 과학자들이 Southern California 대학교 및 하버드 대학교와 함께 이 분야에서의 연구에 대해 글을 썼습니다.

Nvidia 과학자들은 자체의 CUDA-Q 양자-고전 플랫폼(quantum-classical platform)과 cuQuantum 소프트웨어 개발 키트(software development kit)를 사용하여 결맞음 오류(coherent errors)를 포함한 하드웨어 오류와 누설(leakage)에 대한 상세한 시뮬레이션을 만들었습니다.

“이것들은 양자 연산 과정에서 누적되어 컴퓨터가 할 수 있는 것을 제한하는 작고 미세한 체계적인 실수들입니다.”라고 Stanwyck은 말했습니다. “그들은 이를 상세하게 시뮬레이션하고 알고리즘에 미치는 영향을 시뮬레이션할 수 있었습니다. 이제 우리는 마법 상태 배양(magic state cultivation)이 이러한 효과에 어떻게 반응하는지 테스트할 수 있게 되었고, 이는 연구원들이 양자 하드웨어가 무엇을 해야 하는지, 어떻게 구축해야 하는지, 어떤 코드를 실행해야 하는지, 그리고 다음 버전을 만들기 전에 무엇을 개선해야 하는지 알아내는 데 도움을 줍니다.”

그는 Nvidia 연구원들이 보스턴에 있는 가속 양자 연구 센터(Accelerated Quantum Research Center)의 GB200 NVL72 기반 시스템에서 프로젝트를 시작하여, 목성 크기의 시스템에서 실행될 소프트웨어를 준비하고 검증하는 데 필요한 방법을 개발했다고 말했습니다. 이 개발 플랫폼은 4개의 GPU부터 수백 개까지 테스트 규모를 확장하는 데 사용되었으며, 궁극적으로는 목성의 8,192개 GPU로 이동하게 되었습니다.

“마법 상태 배양을 통해 우리는 물리학에서 응용 분야까지 시뮬레이션할 수 있었고, 실제로 연구원들과 양자 컴퓨터를 개발하는 사람들이 물리적 큐비트의 오류에 대한 깊은 이해와 그것이 애플리케이션 실행 시간에 어떻게 영향을 미치는지 연결할 수 있게 되었습니다. 이를 통해 그들은 더 나은 [마법] 상태 배양을 설계하고, 더 나은 양자 컴퓨터를 설계하며, 궁극적으로 시뮬레이션이 유용한 양자 컴퓨팅의 시간표를 당기는 데 어떻게 도움이 될 수 있는지 알게 됩니다.”라고 말했습니다.