MIT 연구원, GPT-5.6 솔로 양자칩 보정 자동화… "밤새 돌려놓고 확인만"

오픈AI가 블로그로 공개한 현장 실험

오픈AI가 28일 블로그를 통해 MIT 대학원생 베아트리스 얀켈레비치가 GPT-5.6 솔(GPT-5.6 Sol)을 코덱스(Codex)에 연결해 초전도 큐비트 칩 보정 실험을 자동화한 사례를 공개했습니다. 이 실험은 MIT의 '공학 양자 시스템 그룹(EQuS)'에서 진행됐습니다.

초전도 큐비트는 절대영도 근처에서 동작하는 인공 원자입니다. 마이크로파 펄스로 에너지 준위를 조작하고 상태를 읽어냅니다. 칩 하나당 수백~수천 번의 예비 측정이 필요하고, 연구자 한 명이 며칠을 매달려야 합니다.

얀켈레비치는 보정되지 않은 6큐비트 표준 칩을 대상으로 GPT-5.6 솔에 측정 스킬을 주고 자율 실행을 맡겼습니다. 모델은 파라미터 선택, 하드웨어 구동, 데이터 분석, 다음 측정 결정을 반복했습니다.

신호 좋을 땐 자율, 잡음 많을 땐 사람 손

결과는 명확히 갈렸습니다. 신호가 선명할 땐 표준 보정 시퀀스를 연구자 개입 거의 없이 완료했습니다. 천이 주파수 확인, 제어·읽기 펄스 보정, 양자 정보 유지 시간(코히어런스 타임) 측정까지 스스로 해냈습니다.

반면 신호가 약하거나 노이즈가 심할 땐 파라미터 탐색에 시간이 오래 걸리고, 숙련 연구자의 가이드가 필요했습니다. 오픈AI 블로그도 "모호한 물리적 결과를 해석하는 건 여전히 과제"라고 명시했습니다.

원문은 "큐비트 특성이 가끔씩 드리프트(occasionally drift)하고 예기치 않은 물리적 행동(unexpected physical behavior)이 불일치를 일으킨다"고 적었습니다. '절반 이상이 잡음과의 싸움'이라는 표현은 원문에 없는 과장입니다. 자율 범위가 아직 좁다는 점만 자료에서 확인됩니다.

연구실 풍경이 바뀐 건 사실

EQuS 그룹은 이제 여러 표준 칩 특성화에 에이전트를 일상적으로 투입합니다. 얀켈레비치는 "밤새 에이전트 돌려놓고 폰으로 확인만 하면 된다"고 말했습니다. 연구자는 실험 설계, 데이터 분석, 다음 단계 기획에 시간을 씁니다.

이건 **'완전 자동화'가 아니라 '반복 측정의 위임'**입니다. 사람이 판단해야 할 분기점에서만 개입하는 구조. 밤샘 당번을 AI가 대신 서는 셈입니다.

국내 연구실이라면 뭘 따져야 하나

국내 대학·출연연 양자컴퓨팅 랩에서도 도입 검토가 시작될 겁니다. 세 가지 현실 조건을 먼저 봐야 합니다.

첫째, 랩 장비와 코덱스 연동 개발비입니다. 오픈AI 블로그엔 '연결했다'고만 나옵니다. 실제론 측정 제어 소프트웨어 API 래핑, 안전 인터록, 데이터 파이프라인 구축이 필요합니다. 인력·시간 비용이 작지 않습니다.

둘째, API 요금입니다. 본지가 19일 전 다룬 GPT-5.6 솔 개발자 요금 인하… 출력 33%·입력 20%, 대신 조건이 붙었다 기사에서 확인했듯, 출력 토큰 33%·입력 20% 인하가 적용됐습니다. 다만 긴 컨텍스트 할증과 기한 한정 조건이 해당 기사에 명시돼 있으며, 밤새 돌리는 실험이면 컨텍스트가 길어져 실질 단가가 다를 수 있습니다. 이번 자료만으로는 정확한 요금 구조를 확인할 수 없습니다.

셋째, 데이터 보안·반출 규정입니다. 양자 연구 데이터가 외부 클라우드 API로 나가는 걸 기관 보안 규정이 허용할지부터 확인해야 합니다. '국가 핵심 기술' 분류 여부는 본지가 국내 법령을 별도 확인하지 못해 단정할 수 없습니다.

커뮤니티에서 나온 계산과 의심

해커뉴스 댓글 중 한 사용자가 API 비용을 추산했습니다. "8×B300으로 파블급 모델 서빙 시 동시 8스트림, 432 tok/s 처리량 가정 시 시간당 약 155만 출력 토큰, API 가격 $50/M 기준 시간당 $77.76 수익"이라는 냅킨 매스(napkin math)입니다. 실제 요금제는 다를 수 있지만, 장시간 자율 실험 시 토큰 비용이 무시 못 할 규모가 될 수 있다는 지적으로 읽힙니다.

또 다른 댓글은 "LLM이 지식의 최전선을 밀고 있다"는 낙관과 "감정적 부족주의가 토론을 망친다"는 회의가 섞여 있습니다. 기술적 검증보다 정서적 반응이 앞서는 분위기도 보입니다.

쉽게 풀어보면

MIT 연구진이 양자컴퓨터 칩 하나 보정하는 데 며칠 걸리던 반복 작업을 AI에게 맡겼습니다. GPT-5.6 솔이 코덱스라는 도구를 통해 실험 장비 소프트웨어에 지시를 보내고 결과를 받아 다음 단계를 스스로 정한 겁니다.

비유하자면 숙련 기술자가 밤새 지켜보며 다이얼을 미세 조정하던 일을, 지시서만 주면 알아서 돌리는 주니어 연구원에게 넘긴 상황입니다. 단, 장비 상태가 이상하거나 데이터가 지저분하면 여전히 선배가 나서야 합니다.

실험실 입장에선 '단순 반복 측정 시간'을 아껴 '실험 설계·해석'에 집중할 수 있게 됐다는 게 핵심입니다. 완전 무인화는 아니고, 사람이 판단해야 할 분기점만 남기고 나머지를 위임하는 수준으로 보입니다.

나에게 미치는 영향

일반인·직장인·학생 당장에 달라지는 건 없습니다. 하지만 양자컴퓨터 상용화 시계가 조금 앞당겨졌다는 신호로 읽힙니다.

• 양자컴퓨팅 연구자·대학원생: 랩에 코덱스 연동 파이프라인 구축 여부, API 비용 시뮬레이션, 보안 규정 검토부터 하세요. 밤샘 당번 줄이는 건 당장 체감됩니다.
• AI 엔지니어: '에이전트 + 실험 장비 제어' 패턴이 물리·화학·바이오 랩으로 확산될 조짐입니다. 도메인별 스킬셋 설계 수요가 생깁니다.
• 투자·정책 담당자: 하드웨어 제조뿐 아니라 **'실험 자동화 소프트웨어 스택'**이 국가 경쟁력 요소가 되고 있음을 염두에 두세요.

남은 쟁점과 지켜볼 점

오픈AI 블로그엔 정량적 시간 단축 수치, API 호출 비용, 실패율, 타 그룹 재현성이 없습니다. "자주 쓴다"는 정성적 표현만 있습니다.

• 실제 연구자 1인당 주당 몇 시간 절약됐나
• 잡음 많은 칩에서 사람 개입 비중이 몇 %인가
• 온프레미스·프라이빗 클라우드 옵션은 없는가

이게 공개돼야 국내 도입 타당성을 판단할 수 있습니다. 오픈AI나 MIT 쪽 후속 기술 리포트를 기다려야 합니다.

한 줄 정리: GPT-5.6 솔이 양자칩 보정의 '반복 측정'을 맡아 연구자 밤샘을 줄였지만, 잡음 많은 현실 데이터 앞선 여전히 사람 판단이 필수다.