AI가 설계한 회로, 핵심 양자 구성 요소의 자원 추정치 낮춰… QuEra 지원 연구
Harvard, Anthropic, QuEra 연구진의 프리프린트는 LLM 기반 탐색으로 찾은 회로가 서브루틴 8개 중 7개에서 Toffoli 게이트와 큐비트를 더 적게 사용했다고 보고했다.
이 페이지는 영어에서 번역되었습니다. 기업명, 제품명, 출처 링크는 변경되지 않았습니다. 영문 원문 보기
QuEra Computing은 11월 10일 Harvard University, Anthropic과 함께한 연구 프리프린트를 소개했다. 자동 검사기의 안내를 받은 대규모 언어 모델이 표준 설계보다 적은 자원으로 동작하는 양자 회로를 찾아냈다는 내용이다. 프리프린트의 제목은 “Discovering state-of-the-art quantum circuits with large language models”(arXiv:2610.22367)이다.
연구 내용
QuEra의 보도자료에 따르면 연구팀은 Anthropic의 Claude를 독립적인 평가기와 결합했다. 평가기는 제안된 각 회로를 검증하고 Toffoli 게이트 수와 큐비트 수라는 두 수치로 점수를 매겼다. 모델은 그 피드백을 활용해 설계를 개선했다. 연구는 더 큰 양자 알고리즘 내부에서 쓰이는 구성 요소 8개를 살폈다. 그중 7개에서 AI가 설계한 회로는 기준 설계보다 게이트 수와 필요한 큐비트 수를 모두 줄였고, 8번째에서는 두 지표 사이의 새로운 절충점을 찾았다.
보도자료에 따르면 이 연구는 Anthropic STEM Fellows Program의 일환으로 Andi Gu가 이끌었으며, Anthropic의 Alek Kemeny, Harvard의 Susanne Yelin, Harvard와 QuEra의 Mikhail Lukin이 참여했다.
보고된 수치
QuEra의 보도자료는 세 가지 사례를 든다. decoded quantum interferometry에 쓰이는 Reed-Solomon 디코더에서는 Toffoli 게이트가 510만 개에서 약 44만 개로 줄었고 큐비트도 줄었다. 분자 시뮬레이션에 쓰이는 Coulomb 퍼텐셜에서는 Toffoli 게이트가 6,355개에서 1,140개로, 큐비트가 252개에서 142개로 줄었다. 고정소수점 Gaussian 함수에서는 Toffoli 게이트가 약 2만 4,000개에서 1,583개로, 큐비트가 362개에서 139개로 줄어 결합 지표 기준 39배 감소했다.
중요한 단서
보도자료 스스로 강조하듯 결합 지표는 Toffoli 수에 최대 논리 큐비트 수를 곱한 값이므로, 39배 개선이 39배 속도 향상을 뜻하지는 않는다. 결과는 개별 구성 요소에 대한 자원 추정치이지 양자 하드웨어에서의 실행 결과가 아니며, 전체 응용에 미치는 영향은 구성 요소가 어떻게 쓰이느냐에 달려 있다. 논문은 프리프린트로, 아직 동료 심사를 거치지 않았다.
출처
이 페이지의 사실 정보는 아래 출처를 바탕으로 DesignQuantum™이 수집했습니다.