비트코인 매거진
양자 문제: 당신은 미래를 전혀 알 수 없습니다
사람들은 양자 컴퓨터가 비트코인 네트워크에 현실적인 위협을 제공하는지에 대해 10년 넘게 논쟁을 벌여왔습니다. 13년 전 제가 비트코인을 처음 발견했을 때 이는 심각한 대화 주제였습니다.
오래 전 제가 여기서 무슨 일이 일어나고 있는지 알아내려고 애쓰던 멍청한 바보였을 때부터 이론과 실제 엔지니어링 측면에서 상당한 진전이 있었습니다.
그 이후로 향후 10년 정도 내에 실행 가능한 양자 컴퓨터가 실제로 생산될 가능성에 실질적인 차이를 만드는 두 가지 주요 이정표에 도달했습니다. 이는 본질적으로 그것이 편재성(ubiquity) 지점에 도달하거나 심지어 많은 양의 자본을 가진 사람들이 상대적으로 쉽게 접근할 수 있다는 것을 의미하지 않습니다.
그러나 가까운 미래에 다수의 실행 가능한 기계가 생산될 가능성은 매우 높습니다.
오류 수정 개선
첫 번째 주요 개선 사항은 오류 수정이었습니다. 이런 종류의 작은 규모로 작업할 때 발생하는 고유한 잡음을 설명하려면 실제로 계산에 유용한 논리적 큐비트를 얻으려면 여러 개의 중복된 물리적 큐비트를 사용해야 합니다.
이를 수행하는 이전의 최신 방식은 표면 코드였습니다. 이는 여러 물리적 큐비트를 그리드에 함께 묶고 그 중 일부를 검사 큐비트로 사용하여 중첩에서 내부 오류가 발생하지 않았는지 확인하기 위해 이웃을 주기적으로 "확인"하는 방법입니다(중첩을 무너뜨리지 않고). 각 그리드의 빈 공간은 체크 큐비트로 채워져야 합니다.
이 검사 큐비트 요구 사항은 논리적 큐비트당 총 1,000개에 가까운 물리적 큐비트를 얻을 수 있는 추가 오버헤드를 생성하며, 검사 큐비트는 바로 옆에 있는 큐비트만 확인할 수 있기 때문에 규모가 좋지 않습니다. 따라서 모든 큐비트 그룹에는 등거리 간격으로 체커가 있어야 합니다.
qLDPC(양자 저밀도 패리티 검사) 코드는 이 병목 현상을 제거하여 검사 큐비트가 장치 전체에서 먼 거리에서 다른 큐비트를 확인할 수 있도록 합니다(칩 섹션 간에 통신하기 위해 얽힌 추적을 통해 또는 중성 원자 설계와 같이 원자를 물리적으로 이동함으로써). 이를 통해 신뢰할 수 있는 논리적 큐비트를 생성하는 데 필요한 물리적 큐비트 양을 10배 줄일 수 있습니다.
재채기할 일이 아닙니다. 더 많은 효율성을 얻기 위해 완전한 기능을 갖춘 기계가 아닐 수도 있지만, 완전한 기능을 갖춘 양자 컴퓨터 생산의 기초가 되는 것은 엔지니어링 프로세스의 실질적인 효율성 향상입니다.
기초 입증의 진전
두 번째는 더 많은 물리적 큐비트를 추가하면 시스템의 전체 소음이 증가하는 것이 아니라 감소한다는 주장에 대한 보다 근본적인 질문과 관련이 있습니다. 이것은 실제로 현 시점에서는 여전히 이론에 불과하며, 오늘날까지 기존 컴퓨터가 수행할 수 없는 계산을 엔드투엔드 방식으로 수행하는 완전한 기능을 갖춘 양자 컴퓨터는 없었다는 점을 명심해야 합니다.
Google은 더 많은 물리적 큐비트를 추가하는 효과를 실험적으로 확인하기 위해 Sycamore(및 나중에는 Willow) 칩을 사용하여 실험을 수행했습니다. 명확히 말하면 이는 계산을 수행하는 방법을 보여주는 것이 아니라 단순히 정보를 손상시키지 않고 메모리에 저장하는 방법을 보여주는 것입니다.
그들은 17개의 물리적 큐비트 묶음, 49개의 물리적 큐비트 묶음, 101개의 물리적 큐비트 묶음으로 구성된 논리적 큐비트를 사용하여 물리적 큐비트 개수가 증가함에 따라 논리적 오류율, 즉 데이터 손상 빈도가 감소한다는 것을 입증했습니다. 이 테스트는 독립적인 물리적 큐비트에서 생성되는 논리적 큐비트가 개별 물리적 큐비트보다 오랫동안 일관성을 유지하는 중요한 임계값을 통과했습니다.큐비트로 구성되었습니다.
다시 한번 말씀드리지만 이는 기존 기계가 할 수 없는 계산을 수행하는 완전한 기능의 양자 컴퓨터로의 도약이 아니라 양자 컴퓨터의 기본 가정 중 하나를 입증하는 물질적 진보입니다.
일체 포함
이것이 우리가 이 문제 공간에서 더 나은 해결책을 찾는 유일한 것은 아닙니다. 인공 지능은 이러한 시스템에서 큰 구성 요소가 되었습니다. 양자컴퓨터에서 정보를 읽고 해독하는 실제 과정에서 사용되고 있는데, 이를 실제로 대규모로 활용하기에는 큰 병목 현상이 발생한다.
AI는 이러한 유형의 기계에 최적화된 새로운 양자 알고리즘 개발에도 사용되고 있으며, 최근 수학 분야의 주요 문제를 해결하는 데 도움이 되는(또는 기존 추측을 반증하는) AI의 급증을 고려할 때 AI가 가져올 주요 혁신의 가능성을 고려하는 것은 실제로 그렇게 미친 도약은 아닙니다.
그들은 서로 다른 아키텍처를 사용하여 구축된 실제 물리적 양자 회로를 실제로 설계하는 데 동일한 용도로 사용되고 있습니다. 대기 시간, 비효율성 및 해결해야 할 기타 문제를 야기하는 빈 공간을 너무 많이 만들지 않으면서 양자 수준에서 잡음을 최소화하기 위해 물리적 공간에 양자 게이트를 배치하는 최적의 방법을 찾는 것은 실제로 매우 복잡한 문제입니다.
이는 필요한 근본적인 문제를 해결하는 데 매우 큰 진전을 이룰 수 있는 요소입니다.
앞으로의 전망
궁극적으로 내 생각에는 이것은 하나의 질문으로 귀결됩니다. 더 많은 물리적 큐비트를 추가하면 소음이 감소한다는 가정이 양자 정보의 계산 및 활성 조작과 관련하여 실제로 유지됩니까?
만약 그 가정이 유효하고 가까운 미래에 실험적으로 반증되지 않는다면, 향후 10년 안에 실행 가능한 양자 컴퓨터가 생산될 수 있는 매우 현실적인 사례가 있다고 생각합니다.
이 문제에는 막대한 양의 자원이 투입되고 문제의 일부를 해결하는 데 상당한(그러나 압도적이지는 않음) 진전이 있으며, 근본적으로 무언가를 수행할 수 있는 방법이 있다면 일반적으로 인간이 그것을 알아냅니다.
지금이 당황할 때라는 말은 아니지만 가능성을 무시하지 마세요.
이 기사는 Bitcoin Magazine의 최신 인쇄판인 The Quantum Issue에 게재되었습니다. 우리는 전체 이슈 전반에 걸쳐 탐구된 아이디어를 미리 살펴보기 위해 여기에서 공유하고 있습니다.