Google, AI 기반 양자 회로 압축 위한 $150,000 Kaggle 대회 개시

Google Quantum AI가 핵융합, 최적화, 화학 분야의 핵심 양자 회로에서 큐비트 수와 게이트 수를 줄이기 위한 $150,000 규모의 Kaggle 대회를 시작했다.

이 페이지는 영어에서 번역되었습니다. 기업명, 제품명, 출처 링크는 변경되지 않았습니다. 영문 원문 보기

Google Quantum AI가 총상금 $150,000 규모의 Kaggle 대회를 시작했다. 목표는 AI를 활용해 실용적 응용에 필요한 양자 회로를 더 작게 만드는 것이다. Google의 발표에 따르면 이번 대회는 정확도에 대한 검증 기준을 충족하면서, 핵융합 에너지·조합 최적화·화학과 관련된 벤치마크 회로의 큐비트 수와 게이트 수를 줄이는 데 초점을 맞춘다.

발표 내용

대회 참가자는 Apache 2.0 라이선스로 공개된 기준 회로와 독립형 검증기를 개선한 버전을 제출해야 한다. 평가는 자원 절감 정도를 기준으로 이뤄진다. 참가자는 특정 과제에 대해 검증기를 통과하면서도, 게이트 수와 큐비트 수에서 도출된 비용 지표를 낮춰야 한다.

Google은 이번 시도가 오류 허용 양자 컴퓨팅의 핵심 제약을 겨냥한다고 밝혔다. 하드웨어가 계속 개선되더라도, 많은 유용한 알고리즘은 여전히 지나치게 많은 자원을 요구한다. 회로 규모를 줄이면 알고리즘 자체의 직접 비용뿐 아니라 양자 오류 정정에 필요한 오버헤드도 함께 낮출 수 있다.

상금은 1위 $50,000, 2위 $25,000, 3위 $10,000, 그리고 4위부터 6위까지 각각 $5,000으로 구성된다. Google은 이와 별도로 추가 상금 $50,000도 배정했다. 여기에는 대회 중간 단계의 마일스톤 상금 $10,000과 “Longest Leader Prize” $10,000이 포함된다. 마일스톤 상금은 11월 20일 오후 11시 59분 UTC 기준 공개 리더보드 최고 점수를 기준으로 하며, 최장 기간 선두 상은 2027년 1월 4일까지 집계된다.

기술적 세부 사항

이번 대회는 Google의 Qualtran 프로젝트에 포함된 오픈소스 C++20 및 Python 라이브러리 kickmix를 중심으로 구성됐다. Qualtran의 GitHub 저장소는 이를 오류 허용 양자 알고리즘을 표현하고 분석하기 위한 Python 라이브러리라고 설명한다.

arXiv에 게시된 Google의 관련 논문은 이 접근법을 고전적으로 검증 가능한 구조를 활용해 AI 보조 컴파일을 지원하는 방식으로 설명한다. arXiv에 따르면 이 논문은 10월 16일 제출됐고 10월 21일 수정됐다.

kickmix 회로는 가역적 고전 논리, 위상 연산, 측정 기반 언컴퓨테이션으로 구성된다. Google에 따르면 이런 구조 덕분에 고전 컴퓨터가 일반적인 양자 상태를 완전히 시뮬레이션하지 않고도 무작위 퍼즈 테스트를 통해 후보 회로를 효율적으로 시험할 수 있다. 회사는 이를 통해 정확한 동등성을 증명하지는 못하더라도, 높은 신뢰도로 근사적 정확성을 확인할 수 있다고 설명했다.

Google은 또 kickmix가 단일 CPU 코어에서 초당 600억 게이트 규모로 회로를 테스트할 수 있다고 밝혔다. 이 수치는 양자 하드웨어 실행 속도가 아니라 기존 방식의 검증 속도를 뜻한다.

세 가지 벤치마크 문제

이번 대회는 더 큰 양자 알고리즘 안에서 병목이 되는 세 가지 문제를 중심으로 진행된다.

핵융합 에너지 분야에서는 제곱 거리 입력으로부터 1/√x에 비례하는 위상을 구현하는 것이 과제다. 이는 관성 밀폐 핵융합 타깃 설계와 관련된 쿨롱 연산자 시뮬레이션에 쓰이는 하위 루틴이다.

최적화 분야의 벤치마크는 중첩 상태에서 동작하는 Reed-Solomon 디코더다. Google은 이것이 Optimal Polynomial Intersection 문제를 위한 Decoded Quantum Interferometry 알고리즘에서 주요 산술 병목이라고 설명했다.

화학 분야에서는 FeMoCo 관련 시뮬레이션 워크플로의 파라미터를 위해 정확한 인수분해와 소형 로딩 회로를 공동 설계하는 것이 요구된다. Google은 이 벤치마크가 질소 고정에 관여하는 철-몰리브덴 클러스터를 모델링하는 최근 알고리즘과 연결된다고 밝혔다.

왜 중요한가

이번 시도는 유용한 양자 응용에 필요한 하드웨어 문턱을 낮추기 위한 소프트웨어 측 접근이다. 더 큰 프로세서만 기다리는 대신, Google은 오류 허용 자원 추정에서 지배적인 비중을 차지하는 하위 루틴의 회로 압축을 자동화하려 하고 있다.

Google은 Gemini 모델을 활용한 내부 실험에서 이미 세 가지 벤치마크 모두에 대해 지금까지 보고된 회로를 넘어서는 개선을 발견했다고 밝혔다. 회사는 논문에 이 내부 회로들의 해시값을 공개했으며, 대회 종료 후 이를 공개할 계획이라고 덧붙였다.

주목할 점

핵심 질문은 외부 팀들이 검증 범위를 유지하면서도 실질적으로 더 작은 회로를 만들어낼 수 있느냐다. 그와 마찬가지로 중요한 것은 Google의 kickmix 프레임워크가 이번 대회의 세 가지 벤치마크를 넘어, 오류 허용 알고리즘의 다른 고비용 하위 루틴까지 포괄할 만큼 충분히 범용적인지 여부다.