Articleresearch.google·2026년 11월 19일·0

A game you cannot win unless you have a quantum computer

Quick Summary

Google Quantum AI는 초전도 양자 프로세서에서 양자 맥락성을 측정하고, 마법 사각형 게임의 98.30% 승률과 최대 105큐비트 과제를 통해 제한된 자원 조건의 양자 우위 및 하드웨어 평가 가능성을 보고했다.

A game you cannot win unless you have a quantum computer 관련 대표 이미지

🖼️ 인포그래픽

A game you cannot win unless you have a quantum computer 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

A game you cannot win unless you have a quantum computer의 핵심 내용을 4단계로 요약한 인포그래픽
A game you cannot win unless you have a quantum computer 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

Google Quantum AI는 초전도 양자 프로세서에서 양자 맥락성을 측정하고, 마법 사각형 게임의 98.30% 승률과 최대 105큐비트 과제를 통해 제한된 자원 조건의 양자 우위 및 하드웨어 평가 가능성을 보고했다.

📌 핵심 요약

  • Google Quantum AI 연구진은 Science에 발표한 연구에서 Willow의 마법 사각형 게임 승률이 고전적 상한 88.89%를 넘어 98.30%인 0.9830 ± 0.0001을 기록했다고 밝혔다. 아홉 가지 경우를 각각 100,000회 실행했으며, 이론적인 양자 전략의 승률은 100%다.
  • 측정 결과에 고정된 사전 값을 부여하는 비맥락적 설명이 따라야 하는 Bell–Kochen–Specker 부등식의 상한은 χ ≤ 4이며, 양자역학적 한계는 6이다. 연구진은 큐비트의 준비 상태에 의존하지 않는 검사에서 χ = 5.590 ± 0.008을 측정했다.
  • GHZ 패리티 게임에서는 최대 71큐비트까지 최선의 고전적 전략을 웃도는 승률을 보고했고, 별도로 45큐비트에 걸친 진정한 다자간 얽힘을 검증했다. 큐비트 수가 늘면서 잡음이 커져 고전적 전략과의 격차는 줄었다.
  • 숨겨진 선형 함수 문제를 일정한 깊이의 양자 회로로 최대 105큐비트에서 실행했다. 성공 확률은 규모가 커지면서 약 1에서 0.6으로 낮아졌지만 0.5를 넘었고, 원문이 추정된 고전적 상한이라고 표현한 기준도 웃돌았다.
  • 연구진은 맥락성 과제가 기존 무작위 회로 벤치마크에서 가려지는 미세한 결맞음 오류를 드러냈다고 설명한다. χ = 6과 승률 1 같은 고정된 물리적 한계와의 거리를 하드웨어 평가에 활용하고, 맥락성과 오류 정정 양자컴퓨터의 매직 상태 사이의 연관성을 더 탐구할 수 있다고 제안한다.

🧩 주요 포인트

  1. 게임의 승률과 χ를 함께 측정 → 고전적 설명의 한계 초과와 맥락성의 정도를 서로 다른 지표로 제시.
  2. 큐비트 GHZ 게임과 105큐비트의 일정한 깊이 회로 → 다큐비트 규모에서도 양자적 이점이 나타나지만, 잡음과 과제별 고전적 비교 기준을 함께 고려해야 함.
  3. 구조화된 과제에서 결맞음 오류 발견 → 맥락성을 계산 자원뿐 아니라 물리적 한계에 대한 하드웨어 성능 평가 수단으로 활용할 가능성.

🧠 상세 정리

1. 불가능한 사각형에서 출발하는 게임

원문은 3×3 격자의 각 칸에 +1 또는 −1을 넣어 모든 행의 곱은 +1, 모든 열의 곱은 −1로 만들라는 퍼즐로 시작한다. 행 조건에 따르면 전체 −1의 개수는 짝수여야 하지만, 열 조건에 따르면 홀수여야 하므로 두 조건을 동시에 만족하는 표는 존재하지 않는다. 이를 게임으로 바꾸면 Alice는 한 행을, Bob은 한 열을 받아 서로 대화하지 않고 각자의 조건에 맞는 숫자를 제시하며, 교차하는 칸의 답이 같으면 이긴다. 사전에 합의한 고전적 전략은 미리 작성한 표와 같아 아홉 가지 경우 중 적어도 하나에서는 실패하고, 최대 승률은 8/9이다. 양자 전략은 불가능한 표 자체를 완성하는 것이 아니라 측정에서 얻는 상관관계를 이용해 원리적으로 모든 경우에서 교차점의 답을 일치시킨다.

2. 양자 맥락성을 계산 자원으로 보는 관점

연구진은 이 게임을 가능하게 하는 성질을 양자 맥락성이라고 설명하며, 모든 측정 대상에 측정 이전부터 고정된 값을 부여할 수 없다는 검증 가능한 명제로 소개한다. 측정 결과는 그 측정과 함께 수행하는 다른 양립 가능한 측정, 즉 맥락에 따라 달라질 수 있다. 원문은 물리적 성질이 관측과 무관하게 존재해야 한다는 Einstein의 문제 제기를 출발점으로 삼되, 맥락성을 철학적 논쟁을 넘어 실제 장치에서 측정할 수 있는 대상으로 다룬다. 또한 얽힘이 양자컴퓨팅의 핵심 요소로 자주 강조되지만, 일부 양자 알고리즘의 고전 대비 이점을 맥락성에서 설명하는 이론이 축적되고 있다고 전한다. 기존 실증이 주로 소수 입자에 머물렀다는 점에서, 이번 연구의 질문은 맥락성이 실제 양자컴퓨터를 구성하는 다체계에서도 유지되고 유용한지에 있다.

3. Willow에서 확인한 마법 사각형 게임의 승률

Google Quantum AI의 Shashwat Kumar와 Rodrigo Cortiñas는 2026년 11월 19일 글에서 Science에 발표한 연구를 소개하고, Willow 초전도 프로세서의 마법 사각형 게임 결과를 보고했다. 실험에서 Alice와 Bob은 각각 두 큐비트를 가지며, 미리 작성한 표 대신 두 개의 얽힌 Bell 쌍과 사전에 정한 측정 설정을 사용했다. 연구진은 아홉 가지 게임 경우를 각각 100,000회 실행해 승률 98.30%, 즉 0.9830 ± 0.0001을 얻었으며, 이는 고전적 전략의 최대 승률 88.89%를 통계적으로 유의하게 웃돈다고 밝혔다. 이상적인 양자 전략은 모든 경우에 성공할 수 있지만 실제 하드웨어에서는 잡음으로 약 60회 중 한 번 패배했다. 따라서 이 결과는 완벽한 양자 동작의 달성보다는, 실험 장치가 사전 고정된 답의 표로 가능한 상관관계를 넘어섰다는 근거로 제시된다.

4. 상태에 의존하지 않는 맥락성의 정량 측정

연구진은 게임의 승패를 넘어 맥락성의 정도를 나타내기 위해 Bell–Kochen–Specker 부등식을 사용하고, 행과 열의 측정 곱을 χ = R1 + R2 + R3 − C1 − C2 − C3으로 결합했다. 측정 결과에 맥락과 무관한 사전 값을 부여하는 설명에서는 χ가 −4, 0, 4 중 하나여야 하므로 상한이 4이지만, 양자역학에서는 최대 6까지 허용된다. 이 검사는 큐비트를 어떤 상태로 준비했는지에 의존하지 않아, 연구진은 특별히 고른 입력 상태보다 장치의 성질을 평가한다는 점을 강조한다. 실험에서는 보조 큐비트를 통해 결과를 읽어 두 주요 큐비트의 상태를 보존하며 연속 측정을 수행했고, 540회의 연속 측정을 1,000회 반복했다. 측정값 χ = 5.590 ± 0.008은 고전적 상한을 넘고 양자 한계보다 약 7% 낮아, 연구진은 이를 장치 내 맥락성의 정량적 증거로 해석했다.

5. GHZ 게임에서 살펴본 다큐비트 확장

규모 확장 실험에서는 N명의 참가자가 하나의 얽힌 GHZ 상태를 공유하고, 각자 한 비트의 질문에 한 비트로 답하는 GHZ 패리티 게임을 사용했다. 참가자들은 서로 통신하지 않으며, 전체 답의 짝수·홀수 패리티가 질문으로 정해진 규칙과 일치하면 이긴다. 무작위 추측의 승률은 50%이고 최선의 고전적 전략은 세 명일 때 75%이지만 참가자가 늘수록 50%에 가까워지는 반면, 이상적인 GHZ 양자 전략은 항상 성공한다. 연구진은 큐비트당 한 명씩 최대 71명으로 실험했으며, 잡음 증가로 승률과 고전 대비 격차가 줄었어도 전체 실험 규모에서 여러 표준편차의 차이로 고전적 상한을 넘었다고 보고했다. 별도로 45큐비트에 걸친 진정한 다자간 얽힘도 검증했으므로, 71큐비트 게임의 성능 결과와 45큐비트 얽힘 검증은 구분해서 읽어야 한다.

6. 최대 105큐비트의 숨겨진 선형 함수 과제

원문은 다자 게임에서 회로 계산으로 논의를 확장하며, 숨겨진 선형 함수 문제에 대한 2018년 정리를 소개한다. 이 정리는 문제 규모가 커져도 깊이가 늘지 않는 양자 회로로 특정 문제를 풀 수 있지만, 일정한 깊이의 고전 회로로는 풀 수 없다는 내용이며 연구진은 그 이점을 맥락성과 연결한다. 일정한 깊이에서는 고전 회로의 각 출력에 영향을 미칠 수 있는 입력 범위가 제한되는 반면, 원문은 얽힘을 갖춘 양자 회로가 그 제약을 넘어선다고 설명한다. 연구진은 이론에서 정한 얕은 회로를 실제 하드웨어의 최대 105큐비트 격자에 구현했고, 성공 확률은 작은 규모의 약 1에서 최대 규모의 약 0.6으로 감소했지만 0.5를 넘었다고 보고했다. 다만 실험 결과를 비교한 기준은 원문에서도 추정된 고전적 상한으로 표현되므로, 일정한 깊이 회로에 관한 정리와 해당 실험 기준의 확실성을 동일하게 취급해서는 안 된다.

7. 물리적 한계와의 거리를 재는 벤치마크

연구진은 여러 큐비트가 동시에 정확히 일치해야 하는 과제들을 실행하는 과정에서, 양자 상태를 목표에서 조금 벗어나게 회전시키는 미세한 결맞음 오류를 발견했다고 설명한다. 이런 오류는 기존 무작위 회로 벤치마크에서는 평균화되어 드러나지 않을 수 있어, 맥락성 과제가 하드웨어의 다른 취약성을 포착한다는 것이다. 연구진이 제안하는 평가 방식은 고전적 기준을 넘는지에 더해 χ = 6, 승률 1, 완전한 맥락성 비율처럼 물리 법칙이 허용하는 고정된 상한과 실제 성능의 거리를 보는 것이다. 이 상한은 장치 성능이 향상되어도 바뀌지 않으므로 더 정밀한 프로세서를 구별하는 기준이 될 수 있다고 주장한다. 원문은 미세한 오류가 숨기 어려운 구조화된 알고리즘의 실행 능력을 평가한다는 점에서 화학·재료과학의 분자 시뮬레이션과 관련성이 있다고 설명하지만, 그러한 응용의 성능 향상을 이번에 직접 입증했다고 보고하지는 않는다.

8. 매직 상태와 이어지는 후속 연구 질문

글의 결론은 관측 이전부터 모든 측정값이 정해져 있다는 설명의 한계를 실제 큐비트에서 검증하고, 이를 양자컴퓨터의 계산 능력에 관한 질문으로 연결한다. 연구진은 이론적으로 맥락성이 오류 정정 양자컴퓨터가 전체 알고리즘을 실행하는 데 필요한 매직 상태와 연관된다고 설명한다. 또한 팀이 최근 매직 상태 배양을 통해 이러한 상태를 준비했다고 언급하지만, 이번 글에서 다루는 게임과 회로 실험만으로 그 연관성에 관한 모든 문제가 해결됐다고 주장하지는 않는다. 다수 큐비트에 걸쳐 맥락성을 측정하는 일은 양자컴퓨터의 이점이 어디에서 비롯되는지 실제 하드웨어에서 탐구하는 수단으로 제시된다. 따라서 이번 결과는 맥락성의 다큐비트 실증과 성능 평가 가능성을 보여주는 동시에, 잡음이 있는 장치에서 이 자원이 유용한 계산으로 어떻게 이어지는지에 관한 후속 질문을 남긴다.

🧾 핵심 주장 / 시사점

  • 게임의 승률은 고전적 전략을 넘어서는 수행 능력을, χ는 상태에 의존하지 않는 맥락성 검사의 결과를 보여준다. 두 지표는 같은 현상을 서로 다른 방식으로 평가한다.
  • 최대 71큐비트의 게임 성능, 45큐비트의 진정한 다자간 얽힘 검증, 최대 105큐비트의 회로 실행은 각각 다른 성취이므로 하나의 규모 기록으로 합쳐 해석하기 어렵다.
  • 맥락성 기반 평가는 고전적 기준의 초과 여부뿐 아니라 고정된 양자 한계와의 차이를 드러낸다. 다만 구조화된 과제에서의 오류 감지 가능성과 실제 응용 성능의 입증은 구분할 필요가 있다.

✅ 액션 아이템

  • Willow의 승률 98.30%와 고전적 상한 88.89%, 이상적 승률 100%의 차이를 구분해 결과 해석에 반영.
  • 71큐비트 GHZ 게임과 105큐비트 회로의 성과를 비교할 때 잡음 증가와 추정된 고전적 상한이라는 제약을 함께 검토.
  • χ = 6과 승률 1을 기준으로 한 하드웨어 평가 가능성을 결맞음 오류 감지 결과와 연결해 검토.

❓ 열린 질문

  • Willow의 마법 사각형 게임 승률 98.30%를 이상적 승률 100%에 더 가깝게 높이려면 잡음을 얼마나 줄여야 하는가?
  • 105큐비트 숨겨진 선형 함수 실험에서 사용한 추정된 고전적 상한은 어느 정도까지 확정할 수 있는가?
  • 맥락성 기반 하드웨어 평가에서 드러난 결맞음 오류는 오류 정정 양자컴퓨터의 매직 상태와 어떤 관계를 보이는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.