클로드가 양자 회로를 설계한다 — 사람보다 17~39배 효율적

앤스로픽이 AI 모델 클로드로 양자 회로를 자동 설계해 기존 최고 기록을 크게 앞질렀다고 발표했다. 사람이 수년 걸려 줄여온 게이트 수를 AI가 며칠 만에 다시 깎아낸 셈이다. 실용 양자컴퓨터 시계를 얼마나 앞당길지가 관심이다.

클로드가 회로를 짜는 방식

연구진은 화학·최적화·물리 시뮬레이션·정수론 등 8개 분야 기초 회로에 대한 평문 명세만 클로드에게 줬다. 별도 학습 데이터나 예시 회로는 없었다. 클로드는 제안→자동 평가→피드백 반영 루프를 사람 개입 없이 반복했다. 평가 지표는 큐비트 수 × 게이트 수다. 실행 시간과 자원 소모를 대변하는 프록시 지표로 쓴다.

이 방식이 가능한 이유는 양자 회로가 코드로 표현 가능하고, 대상 알고리즘류가 고전 컴퓨터로 정답 검증이 가능하기 때문이다. 클로드는 코드 작성·실행·수정 능력이 뛰어나 이 루프를 혼자 돌릴 수 있었다.

성능 수치와 그 의미

발표문과 복수 보도에 따르면 클로드가 설계한 회로는 기존 최고 공개 설계 대비 17~39배 효율적이다. 큐비트 수와 게이트 수를 동시에 줄였다. 예컨대 페모코(FeMoco, 질소 고정 효소의 철-황 클러스터) 기초 상태 에너지 계산은 2017년 50조 토폴리 게이트(양자 연산의 기본 단위 중 하나)에서 최근 3.4억 개로 줄었는데, 클로드는 여기서 추가 감축을 달성했다. 2017년 대비 누적 개선은 약 15만 배다.

단, 이 수치는 이상적 노이즈 없는 환경에서 시뮬레이터로 검증한 결과다. 실제 하드웨어에서 오류 정정 오버헤드를 감안하면 격차는 줄어들 수 있다.

발표문에 없는 전제들

세 가지가 빠져 있다. 첫째, 평가 함수가 완벽하다는 전제다. 평가기가 놓친 버그나 예외 케이스가 있으면 '최적'이라 믿은 회로가 실제론 틀릴 수 있다. 둘째, 하드웨어 토폴로지 제약을 고려했는지 불확실하다. 실제 칩은 큐비트 간 연결이 제한적인데, 시뮬레이터는 전결합을 가정하는 경우가 많다. 셋째, 확장성이다. 8개 프리미티브(기초 루틴) 성공이 대형 알고리즘 전체로 이어진다는 보장은 아직 없다. 이 대목이 걸린다.

사람 연구자의 역할이 바뀐다

과거엔 연구자가 회로 아이디어를 내고, 검증하고, 다듬었다. 이제는 명세 작성·평가기 설계·결과 해석이 사람의 몫이다. 클로드는 탐색 엔진 역할을 한다. 해커뉴스 댓글에서도 "AI가 새 이론을 만드는 게 아니라 알려진 공간을 더 빨리 훑는 것 아니냐"는 의문이 제기됐다. 타당하다. 클로드는 물리 법칙을 발견한 게 아니라, 주어진 규칙 안에서 더 나은 조합을 찾았을 뿐이다.

실용 양자컴퓨터까지 남은 거리

게이트 수 감소는 하드웨어 요구 사양을 낮추는 효과와 같다. 하지만 오류 정정 큐비트 비율, 게이트 충실도, 제어 전자회로 등 하드웨어 병목은 그대로다. 회로 최적화만으로 실용화 10년 앞당김을 장담하긴 이르다.

쉽게 풀어보면

앤스로픽이 클로드에게 "이 양자 계산을 가장 효율적으로 짜봐"라고 말로만 시켰습니다. 클로드는 직접 코드를 짜고, 별도 자동 채점기로 점수 받아가며 스스로 설계를 고쳤습니다. 사람 도움 없이요.

비유하자면 요리사에게 "이 재료로 가장 맛있는 요리법 적어줘"라고 했더니, 요리사가 레시피를 쓰고, 별도의 시식 평가단이 점수를 매기고, 요리사가 다시 고쳐 쓰는 과정을 밤새 반복한 꼴입니다. 기존 최고 레시피보다 재료(큐비트)와 조리 단계(게이트)를 17~39배 적게 쓰는 레시피를 찾아냈습니다.

중요한 건 이 레시피가 이상적인 주방(노이즈 없는 시뮬레이터)에서 검증됐다는 점입니다. 실제 주방(현 양자 하드웨어)에선 불 조절이 안 되고, 재료가 상하고, 도구가 부족해 결과가 달라질 수 있습니다. 그래도 레시피 탐색을 AI가 맡게 됐다는 건, 사람 연구자가 더 창의적인 메뉴 개발에 집중할 수 있게 됐단 뜻입니다.

나에게 미치는 영향

당장 체감할 변화는 없습니다. 양자컴퓨터가 일반인 손에 들어오려면 아직 수년 이상 남았습니다. 다만 두 가지는 지금 확인 가능합니다.

챗GPT·클로드 등 LLM으로 간단한 양자 회로 코드(Qiskit, Cirq 등)를 짜달라고 해보세요. 문법 오류 잡기, 기초 게이트 시퀀스 제안 정도는 이미 잘합니다. 입문자 학습 도우미로는 지금도 쓸 만합니다.
양자컴퓨팅 관련주·펀드 동향을 볼 때 "회로 최적화 자동화" 키워드를 눈여겨보세요. 하드웨어 기업보다 소프트웨어·알고리즘 레이어에서 수익화가 먼저 올 수 있습니다.

개발자라면 앤스로픽이 공개한 아카이브 논문(arXiv)을 열어 평가기 코드 구조를 뜯어보세요. 자동 피드백 루프 설계 패턴은 양자 외 분야에도 바로 적용 가능합니다.

남은 쟁점

평가기 자체의 신뢰성 — 누가 평가기를 검증하는가?
실제 하드웨어 토폴로지 매핑 — 시뮬레이터 최적이 칩 위에서도 최적인가?
대형 알고리즘 합성 — 기초 블록 8개 최적화가 전체 회로 최적화로 이어지는가?
지식재산권 — AI가 설계한 회로의 특허 귀속은 누구에게?

앤스로픽은 논문과 코드를 공개하겠다고 했습니다. 커뮤니티 검증이 시작되면 진짜 실력이 드러날 겁니다. 그때까지는 유망한 연구 단계로 두는 게 정확합니다.