Anthropic 연구: Claude를 활용한 더 효율적인 양자 회로 설계

AI를 통한 양자 회로 최적화

Anthropic은 AI 모델이 양자 회로를 자율적으로 최적화하여 기존에 발표된 설계보다 뛰어난 효율성을 달성할 수 있음을 입증했습니다. 연구진은 Claude에게 평문 사양과 자동화된 검증 루프를 제공함으로써, 8개의 양자 계산 기본 요소를 재설계하게 했으며, 일부 경우에는 자원 요구 사항을 10배 이상 줄이는 성과를 거두었습니다. 이러한 접근 방식은 AI가 복잡한 알고리즘을 제한된 하드웨어에 더 효율적으로 만듦으로써 실용적인 양자 컴퓨팅의 시대를 앞당길 수 있음을 시사합니다.

가역적 양자 회로의 과제

양자 회로 설계는 고전 프로그래밍과는 크게 다른 가역성(reversibility) 요구 사항에 의해 제약됩니다. 양자 시스템은 상태를 손상시키지 않고는 정보를 폐기할 수 없기 때문에, 중간 결과는 저장하거나(귀중한 큐비트를 소비함), 논리를 역으로 실행하여 '계산 취소(uncompute)'해야 하는데, 이는 게이트 수와 실행 시간을 증가시킵니다. 공간(큐비트)과 시간(게이트) 사이의 최적 균형을 찾는 것은 양자 알고리즘 개발의 주요 병목 현상입니다.

자동화된 최적화 루프

Claude Mythos 5는 화학, 정수론, 최적화 등 다양한 분야에 걸쳐 8개의 양자 기본 요소를 최적화하는 임무를 맡았습니다. 연구진은 Claude가 Python으로 회로 설계를 제안하고, 외부 평가자가 이를 검증하고 점수를 매기는 폐쇄 루프 시스템을 활용했습니다. Claude는 이 피드백을 사용하여 인간의 개입 없이 반복적으로 설계를 개선했습니다.

주요 발견 사항은 다음과 같습니다:

• 모듈러 역원(Modular Inversion): Claude는 "divsteps" 알고리즘의 새로운 가역적 구현을 개발했습니다. 수치 쌍에서 직접 분기 정보를 디코딩하는 방법을 수학적으로 도출함으로써 전체 연산 기록을 저장할 필요를 없애 상당한 큐비트 공간을 절약했습니다.
• 리드-솔로몬 디코딩(Reed–Solomon Decoding): 양자 최적화를 위해 Claude는 확장 유클리드 알고리즘을 Berlekamp–Massey 방식으로 대체했습니다. 또한 임시 값을 저장하는 대신 재구성함으로써 회로를 더욱 최적화하여 이전 구조 대비 게이트 수를 12배 줄였습니다.

통찰 및 한계

Claude는 철-황 분자의 대칭성을 식별하여 중복 계산을 피하는 등 새로운 구조적 및 수학적 통찰력을 발견하는 능력을 보여주었지만, 초기에는 보수적이고 잘 알려진 접근 방식을 취하는 경향을 보였습니다. 연구진은 모델이 질적으로 다른 여러 설계를 병렬로 탐색하도록 요구하고 때때로 검색 범위를 넓히도록 유도함으로써 이를 완화했습니다.

Hacker News의 커뮤니티 토론에서는 이러한 최적화의 기술적 성격을 강조하며, 일부 사용자는 이 과정이 양자 어셈블리 언어를 위한 "코드 골프(code golf)"와 유사하다고 언급했습니다. 다른 이들은 LLM이 폐쇄 루프 검증 환경 내에서 작동하는 능력이 이러한 작업에서 성공하는 데 결정적인 요소라고 강조했습니다. 연구의 프레이밍에 대한 일부 회의적인 시각도 존재하지만, 이번 결과는 AI가 미래의 결함 허용 양자 시스템을 위한 알고리즘과 하드웨어의 공동 최적화를 지원할 잠재력이 있음을 강조합니다.