Large Language Models for Quantum Code Translation: An Exploratory Study

양자 컴퓨팅은 기존 컴퓨터로는 불가능한 문제들을 해결할 것을 약속하지만, 이러한 기계를 구동할 소프트웨어를 구축하는 것은 매우 힘겨운 도전입니다. 그 어려움은 입자가 동시에 여러 상태로 존재할 수 있게 하는 양자 물리학의 기묘한 규칙 때문만이 아니라, 프로그래머가 사용할 수 있는 도구들의 파편화된 지형에 있습니다. 현재 서로 다른 팀들은 마치 서로 다른 나라들이 각기 다른 언어를 사용하는 것처럼, 서로 다른 명령어 세트를 사용하여 양자 소프트웨어를 구축하고 있습니다. 한 시스템을 위해 작성된 프로그램은 종종 다른 시스템에서 실행될 수 없으며, 이로 인해 개발자들은 도구를 바꿀 때마다 코드를 처음부터 수동으로 다시 작성해야 하는 상황에 놓입니다. 이러한 장벽은 발전을 늦추고 엔지니어들이 자신의 작업물을 공유하는 것을 어렵게 만듭니다.

규슈 대학교와 베이항 대학교의 연구진은 인공지능이 이 간극을 메울 수 있는지 탐구하기 시작했습니다. 그들은 방대한 양의 텍스트와 코드로 학습된 고급 컴퓨터 프로그램인 거대 언어 모델이 양자 프로그램을 한 시스템에서 다른 시스템으로 의도된 동작을 유지하면서 자동으로 번역할 수 있는지 조사했습니다. 그들의 연구는 IBM의 인기 있는 툴킷인 Qiskit으로 작성된 코드를 두 가지 다른 주요 시스템인 PennyLane과 Q#으로 변환하는 데 집중했습니다. 목표는 이 AI 모델들이 입자들이 어떻게 연결되어 있는지 또는 측정이 어떻게 이루어지는지와 같은 양자 역학의 복잡한 논리를 이해하고, 인간의 개입 없이 코드를 올바르게 재작성하는 데 적용할 수 있는지 확인하는 것이었습니다.

이를 테스트하기 위해 연구팀은 AI에게 원래 언어로 작성된 특정 양자 작업을 부여하고, 새로운 언어로 된 동등한 버전을 생성하도록 요청하는 워크플로를 만들었습니다. 그들은 단순히 AI에게 추측하도록 시킨 것이 아니라, 결과를 엄격하게 검증하는 시스템을 구축했습니다. 번역된 코드는 대상 시스템의 실제 소프트웨어 환경에서 실행되어 오류 없이 실행되는지, 그리고 올대한 수학적 결과를 산출하는지 확인되었습니다. 연구진은 단순한 연산부터 더 복잡한 시퀀스에 이르기까지 43개의 뚜렷한 작업에 대해 네 가지 다른 AI 구성을 테스트했습니다. 그들은 두 가지 방법을 비교했는데, 하나는 AI에게 예시 없이 즉시 코드를 번역하도록 요청하는 것이었고, 다른 하나는 변환이 어떻게 이루어져야 하는지에 대한 올바른 예시를 하나 보여준 후 번역하도록 요청하는 것이었습니다.

결과는 고무적이었으나 상당한 장애물 또한 부각되었습니다. AI에게 사전 예시 없이 번역을 요청했을 때, 성공률은 모델과 대상 시스템에 따라 크게 달랐습니다. 가장 성능이 좋은 구성은 한 대상 시스템에서는 약 72%, 다른 시스템에서는 약 71%의 사례에서 작동하는 번역을 만들어냈습니다. 이는 이러한 모델들이 양자 코드의 구조를 파악할 수 있는 진정한 능력을 갖추고 있음을 시사합니다. 그러나 연구는 AI가 물리학에 대한 이해 부족보다는 실질적인 문제들 때문에 자주 실패한다는 점을 밝혀냈습니다. 가장 흔한 실패 원인은 소스 파일의 누락 또는 번역된 코드가 컴파일되지 않는 경우였는데, 이는 컴퓨터가 프로그램을 실행조차 할 수 없음을 의미합니다. 이러한 오류들은 각각 실패 원인의 거의 40%와 35%를 차지했습니다.

연구진이 AI에게 작업을 수행하기 전 올바른 번로에 대한 단 하나의 예시를 제공했을 때, 성능은 눈에 띄게 향상되었습니다. 테스트된 두 모델 모두에서 성공률이 상승했으며, 이는 AI에게 새로운 시스템의 특정 구문과 규칙을 처리하는 방법을 보여주는 것이 실수를 피하는 데 도움이 된다는 것을 나타냅니다. 이러한 발견은 기술이 아직 완벽하지는 않지만, 실행 가능한 경로임을 시사합니다. 연구는 거대 언어 모델이 양자 소프트웨어 번역을 자동화하는 데 실질적인 잠재력을 가지고 있으며, 이는 결과적으로 개발자들이 서로 다른 도구 사이를 자유롭게 이동할 수 있게 해줄 것이라고 결론짓습니다. 다만, 연구진은 이 접근 방식이 산업의 표준 도구가 되기 전, AI가 필요한 모든 파일에 접근할 수 있는지와 소프트웨어 업데이트에 따른 복잡한 버전 차이를 탐색할 수 있는지와 같은 남은 과제들을 해결해야 한다고 언급했습니다.