양자컴퓨팅 산업의 경쟁 기준이 물리 큐비트 개수에서 ‘오류를 견디는 논리 큐비트’로 이동하고 있다. 양자 상태는 열·전자기 잡음과 제어 오차에 매우 민감해 계산이 길어질수록 결과가 무너진다. 수천 개의 불안정한 큐비트를 보유해도 신뢰할 수 있는 연산을 이어가지 못하면 실제 산업 문제를 풀기 어렵다. 구글은 오류 정정 임계값 아래에서 논리 오류를 줄이는 실험을 제시했고, IBM은 실시간 디코더와 모듈형 내결함 시스템을 로드맵의 핵심으로 두고 있다. ‘상용화’의 의미도 장비 판매가 아니라 검증 가능한 긴 계산을 반복해서 수행하는 능력으로 다시 정의될 필요가 있다.
물리 큐비트와 논리 큐비트는 다르다
물리 큐비트는 실제 칩이나 원자·광자에 구현된 기본 단위다. 하지만 하나의 물리 큐비트만으로 정보를 오래 보존하기 어렵기 때문에 여러 물리 큐비트를 묶어 하나의 논리 큐비트를 만든다. 직접 값을 복사할 수 없는 양자 정보의 특성 때문에 오류 정정은 단순 백업이 아니라 주변 보조 큐비트를 반복 측정해 오류의 징후를 추론하는 방식으로 작동한다.
이 과정에는 큰 자원 부담이 따른다. 오류율과 코드 방식, 필요한 계산 길이에 따라 한 개의 고품질 논리 큐비트를 만들기 위해 많은 물리 큐비트와 빠른 측정·제어 장치가 필요할 수 있다. 따라서 제조사가 발표하는 총 큐비트 수만 비교하면 실용 성능을 오해하기 쉽다. 논리 오류율, 회로 깊이, 게이트 정확도, 디코딩 지연시간을 함께 봐야 한다.
구글 Willow가 보여준 ‘임계값 아래’의 의미
구글 연구진이 Nature에 발표한 표면 코드 실험은 오류 정정 코드를 더 크게 만들수록 논리 오류가 감소하는 이른바 임계값 아래 동작을 보여줬다. 논문은 72큐비트 프로세서에서 빠른 주기의 실시간 디코딩도 수행했다고 보고했다. 이는 물리 큐비트를 추가할수록 시스템이 더 불안정해지는 악순환에서 벗어나, 충분히 낮은 물리 오류율 아래에서는 규모 확대가 논리 정보를 더 안전하게 만들 수 있음을 실험적으로 보여준 이정표다.
다만 이 결과가 곧 범용 상용 양자컴퓨터 완성을 뜻하지는 않는다. 하나의 논리 메모리를 안정적으로 유지하는 것과 많은 논리 큐비트 사이에서 복잡한 게이트를 오랫동안 실행하는 것은 난도가 다르다. 유용한 알고리즘에는 초기화·연산·측정 전 과정의 오류를 관리하고, 고전 컴퓨터가 실시간으로 오류 신호를 해석해야 한다. 실험실의 특정 코드 성능을 산업용 워크로드의 전체 성공률로 확대 해석해서는 안 된다.
IBM은 모듈화와 실시간 디코더에 승부
IBM의 양자 로드맵은 2026년에 실시간 오류 정정 디코더를 시제품으로 만들고, Kookaburra 프로세서에서 논리 처리 장치와 양자 메모리를 포함한 모듈을 시연하는 목표를 제시한다. 이어 2029년 Starling 시스템에서 200개의 논리 큐비트로 1억 개 게이트를 실행한다는 계획을 공개했다. 이는 단일 칩의 물리 큐비트 숫자보다 논리 연산 규모와 회로 길이를 성능 지표로 삼겠다는 방향이다.
모듈형 접근은 냉각장치와 배선, 칩 수율의 한계를 분산할 수 있지만 모듈 간 연결의 오류와 지연이라는 새 문제가 생긴다. 디코더도 단순 소프트웨어가 아니다. 양자 측정 결과가 쏟아지는 속도에 맞춰 오류 위치를 추론하고 다음 제어 신호를 보내야 하므로 고전 연산 하드웨어와 알고리즘의 성능이 전체 시스템을 좌우한다. 양자컴퓨터의 상용화 경쟁이 반도체만의 경쟁이 아니라 제어전자·냉각·네트워크·소프트웨어가 결합된 시스템 경쟁인 이유다.
오류 완화와 오류 정정은 구분해야
현재의 잡음이 많은 양자 장치에서는 같은 회로를 여러 방식으로 실행한 뒤 고전적으로 결과를 보정하는 오류 완화가 널리 쓰인다. 이는 하드웨어를 즉시 활용하는 데 도움이 되지만 계산이 길어질수록 샘플 비용이 급격히 늘 수 있고, 오류 자체를 제거하는 완전한 내결함 방식은 아니다. 반면 오류 정정은 계산 도중 오류 신호를 측정하고 논리 상태를 지속적으로 보호한다.
기업이 ‘오류가 보정된 결과’라는 표현을 쓸 때 두 방식을 명확히 구분해야 한다. 특정 벤치마크에서 오류 완화로 정확도가 높아진 결과와, 논리 큐비트가 임계값 아래에서 장시간 작동한 결과는 기술적 의미가 다르다. 고객은 작업의 전체 성공 확률, 반복 횟수, 고전 계산 비용과 에너지 사용량을 포함한 총비용을 확인해야 한다.
산업 활용은 언제 현실이 될까
양자컴퓨터가 기대되는 분야는 분자·재료 시뮬레이션, 특정 최적화, 암호 관련 연산 등이다. 그러나 기존 고성능컴퓨터와 경쟁하려면 정확도뿐 아니라 입력 준비, 결과 검증, 실행 대기시간과 비용에서 의미 있는 이점이 있어야 한다. NIST도 현재 양자컴퓨터를 초기 단계이며 오류가 많은 장치로 설명한다. ‘양자 우위’ 실험이 존재하더라도 그것이 곧 기업의 실제 업무에서 경제적 우위를 보장하지는 않는다.
가까운 시기에는 양자 프로세서를 고전 슈퍼컴퓨터와 결합해 특정 부분만 맡기는 하이브리드 방식이 현실적이다. 연구기관과 기업은 장기적인 내결함 시스템을 준비하면서도, 지금 해결하려는 문제가 고전 알고리즘 개선으로 더 저렴하게 풀리지 않는지 비교해야 한다. 기술 도입 결정은 공급사의 연도별 로드맵보다 재현 가능한 벤치마크와 독립 검증을 기준으로 내려야 한다.
분석: 상용화 경쟁의 진짜 지표
앞으로 시장이 주목해야 할 지표는 첫째 논리 큐비트 수, 둘째 논리 오류율, 셋째 오류 정정 상태에서 수행 가능한 게이트 수, 넷째 결과를 얻기 위한 총 실행 비용이다. 여기에 디코더의 실시간 성능과 시스템 가동률도 포함돼야 한다. 물리 큐비트가 많더라도 보정에 대부분을 사용하고 실제 계산에 남는 논리 자원이 적다면 실용성은 제한적이다.
구글의 임계값 실험은 확장 가능한 오류 정정의 가능성을 보여줬고, IBM의 로드맵은 이를 모듈형 시스템과 긴 회로로 연결하려는 산업 전략을 보여준다. 두 접근 모두 아직 목표와 실증 사이에 거리가 있다. 경쟁사의 발표를 같은 기준으로 비교하려면 오류 모델과 테스트 조건, 실패한 실행을 포함한 전체 데이터가 공개돼야 한다.
전망: 큐비트 숫자보다 신뢰 가능한 계산
양자컴퓨팅 상용화는 한 번의 돌파구보다 오류율 개선, 제조 수율, 제어 시스템, 디코더와 알고리즘이 함께 발전하는 누적 과정이 될 가능성이 크다. 투자자와 정책당국은 과장된 일정에 자원을 집중하기보다 개방형 연구, 표준 벤치마크, 인력과 공급망을 장기적으로 지원해야 한다. 암호 전환과 같은 보안 준비는 양자컴퓨터 완성 시점을 기다리지 않고 별도로 진행할 필요가 있다.
결국 산업의 승자는 가장 많은 큐비트를 발표한 회사가 아니라, 고객이 검증할 수 있는 정확도로 충분히 긴 계산을 반복하고 그 비용을 설명하는 회사가 될 것이다. 오류 정정은 양자컴퓨터의 부가 기능이 아니라 상용화를 가르는 본체다.
의견을 남겨주세요