← 최신 논문
⚛️ 양자물리학

Agentic MLIR-to-QIR Translation with Dual-Backend Testing: A Hybrid Deterministic and LLM Approach

본 논문은 알려진 다이얼렉트에 대한 결정론적 컴파일러 패스와 미지의 다이얼렉트에 대한 LLM 기반 에이전트 경로를 결합하고, 다양한 양자 회로에 걸쳐 높은 충실도의 출력을 보장하기 위해 이중 백엔드 테스트 파이프라인을 활용하는 하이브리드 MLIR-to-QIR 변환 프레임워크를 제시한다.

원저자: Sharmin Afrose, Vicente Leyton-Ortega, Narasinga Rao Miniskar, Elaine Wong, Travis S. Humble

게시일 2026-11-20
📖 5 분 읽기🧠 심층 분석

원저자: Sharmin Afrose, Vicente Leyton-Ortega, Narasinga Rao Miniskar, Elaine Wong, Travis S. Humble

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

현재 양자 컴퓨팅의 세계는 수많은 서로 다른 언어들이 존재하는 풍경과 같습니다. 여행자가 각 나라마다 서로 다른 언어를 사용하는 국경을 넘나들 때 소통에 어려움을 겪는 것처럼, 과학자와 엔지니어들도 양자 기술에서 유사한 장벽에 직면해 있습니다. 서로 다른 하드웨어 제조사와 소프트웨어 그룹들은 양자 컴퓨터가 무엇을 할지 지시하는 명령인 양자 회로를 설명하는 자신들만의 독특한 방식들을 구축해 왔습니다. 이러한 설명들은 복잡한 기술적 언어의 방언과 같습니다. 각 방언은 자체적인 생태계 내에서는 완벽하게 작동하지만, 서로를 자연스럽게 이해하지는 못합니다. 이는 심각한 문제를 야기합니다. 즉, 한 종류의 양자 기기를 위해 작성된 프로그램은 인간 전문가가 수동으로 코드를 다시 작성하지 않고서는 다른 기기에서 실행될 수 없으며, 이 과정은 느리고 오류가 발생하기 쉬워 분야 전체의 발전을 늦춥니다. 이를 해결하기 위해 연구자들에게는 한 방언으로 작성된 양자 프로그램을 어떤 기기라도 이해할 수 있는 표준 형식으로 변환할 수 있는 보편적인 번역기가 필요합니다.

오크리지 국립연구소(Oak Ridge National Laboratory)의 연구팀은 이러한 번역기 역할을 하여 서로 경쟁하는 양자 언어 사이의 간극을 메울 수 있는 새로운 시스템을 개발했습니다. 그들의 작업은 유연한 다층 구조의 형식인 '방언(dialect)'으로 작성된 프로그램을, 다양한 양자 백엔드(backend)가 공통적으로 사용할 수 있는 표준 코드인 '보편적 중간 표현(universal intermediate representation)'으로 변환하는 데 중점을 둡니다. 문제는 일부 방언은 잘 알려져 있고 엄격한 규칙을 따르지만, 다른 방언들은 새롭고 생소하여 전통적인 컴퓨터 프로그램이 자동으로 번역하기 어렵다는 점입니다. 이를 해결하기 위해 연구팀은 전통적인 소프트웨어의 속도와 정밀함, 그리고 인공지능의 적응성을 결합한 하이브리드 시스템을 구축했습니다. 그들은 작업에 따라 세 가지 다른 경로를 선택할 수 있는 번역기를 만들었는데, 이는 알려진 언어를 위한 빠르고 규칙 기반인 경로, 새로운 언어를 위한 유연하고 AI 중심적인 경로, 그리고 첫 번째 시도가 실패했을 때 실수를 수정하는 복구 경로입니다.

이 시스템은 내장된 품질 관리 메커니즘을 갖춘 매우 조직적인 공장 라인처럼 작동합니다. 양자 프로그램이 도착하면, 시스템은 먼저 그것이 어떤 방언으로 작성되었는지 확인합니다. 만약 해당 방언이 Catalyst나 Quake와 같은 주요 프레임워크에서 사용되는 것처럼 시스템이 잘 알고 있는 것이라면, 시스템은 직접적이고 결정론적인 경로를 택합니다. 이 모드에서 소프트웨어는 코드를 변환하기 위해 미리 작성된 엄격한 규칙 세트를 따르며, 이 과정은 단 몇 분의 일 초밖에 걸리지 않으며 알려진 구조에 대해 완벽하게 정확합니다. 그러나 시스템이 새롭거나 생소한 방언을 마주하면, '에이전트 모드(agentic mode)'로 전환합니다. 여기서 시스템은 코드를 이해하고 생성하도록 훈련된 인공지능의 일종인 거대 언어 모델을 사용하여 번환을 수행합니다. 이 AI 에이전트는 숙련된 언어학자처럼 행동하며, 프롬프트에 제공된 특정 예시와 규칙의 안내를 받아 패턴을 분석하고 새로운 언어를 해석하여 번역을 구성합니다.

결정적으로, 연구자들은 단순히 AI가 올바른 출력을 생성할 것이라고 믿지 않았습니다. 그들은 이중 확인 역할을 하는 엄격한 테스트 파이라인을 구축했습니다. 번역이 완료되면, 시스템은 원래의 양자 프로그램과 새로 번역된 버전을 두 개의 독립적인 별개 시뮬레이터에서 각각 실행합니다. 이 시뮬레이터들은 명령을 실행하고 결과를 생성하는 가상 양자 컴퓨터 역할을 합니다. 그 후 시스템은 두 실행 결과의 통계적 분포를 비교합니다. 만약 결과가 충분히 밀접하게 일치하면 번역이 승인됩니다. 만약 일치하지 않으면, 시스템은 포기하지 않고 대신 '복구 루프(repair loop)'에 진입합니다. 시스템은 오류 정보를 AI 에이전트에 다시 전달하여 무엇이 잘못되었는지 설명하고, 에이전트에게 다시 시도하도록 요청합니다. 이 번역, 테스트, 복구의 순환은 유효하고 작동하는 번역이 발견될 때까지 여러 번 반복될 수 있습니다.

AI가 불완전하거나 엉망인 출력을 생성할 때도 시스템이 작동할 수 있도록, 연구자들은 '가드레일 어셈블러(guardrail assembler)'라는 안전 장치를 추가했습니다. 작은 규모의 AI 모델들은 올바른 양자 연산 순서를 생성하면서도, 코드를 유효하게 만드는 변수 선언이나 포맷팅 같은 필수적인 구조적 세부 사항을 빠뜨리는 경우가 있습니다. 가드레일 어셈블러는 이러한 구조적 문제를 해결하기 위해 개입합니다. 이 장치는 AI 출력에서 핵심 연산을 추출하고, 이를 표준 템플릿을 사용하여 완전하고 유효한 코드 파일로 재조립합니다. 이를 통해 시스템은 번역을 완전히 실패하게 만들 수 있는 오류로부터 회복할 수 있으며, 과정을 훨씬 더 견고하게 만듭니다.

연구진은 단순한 2-큐비트 연산부터 최대 100개의 큐비트를 포함하는 복잡한 알고리즘에 이르기까지 41개의 다양한 양자 회로 설계를 대상으로 시스템을 테스트했습니다. 그들은 두 개의 잘 알려진 방언과 결함 허용(fault-tolerant) 양자 컴퓨팅을 위해 설계된 새로운 미지의 방언을 포함하여 세 가지 다른 방언에 대해 시스템을 평가했습니다. 결과에 따르면, 알려진 방언의 경우 결정론적 경로가 완벽하여 게이트 구조를 번역하는 데 있어 결함이 없었으며, 원래 프로그램과 95% 이상의 유사성을 보이는 결과를 생성했습니다. 시스템이 알려진 방언에 대해 AI 에이전트를 사용하도록 강제되었을 때도 성능은 우수했으나, 밀리초 단위인 결정론적 경로에 비해 35초에서 62초 사이로 시간이 상당히 더 소요되었습니다.

가장 중요한 시험은 미지의 방언을 대상으로 진행되었습니다. 이 새로운 언어에 대해서는 미리 작성된 규칙이 없었기 때문에, 시스템은 전적으로 AI 에이전트에 의존해야 했습니다. 이 시나리오에서 테스트된 6개의 서로 다른 AI 모델 중 4개가 첫 번째 시도에 유효한 번역을 생성해 냈습니다. 이 모델들은 오류 수정 양자 컴퓨터를 위한 추상적 명령인 논리 수준(logical-level) 연산을 표준 형식으로 성공적으로 번역했습니다. 시스템은 인간이 처음부터 새로운 번역기를 작성할 필요 없이 새로운 언어를 처리할 수 있음을 입증했습니다. 연구진은 AI 모델들이 논리적 연산을 번할 수는 있지만, 이를 하드웨어에 필요한 물리적 세부 사항으로 자동 확장하지는 못했으며, 이는 여전히 백엔드 시스템의 책임이라는 점을 언급했습니다.

이 연구는 또한 정보를 AI에게 어떻게 제공하느냐의 중요성을 강조했습니다. 연구팀은 AI에게 정보를 찾아볼 수 있는 검색 도구를 제공하는 방식인 '검색 증강 생성(retrieval-augmented generation)'이 작은 모델에서는 종종 오류를 초래한다는 것을 발견했습니다. 대신, 게이트 매핑 및 코드 템플릿과 같은 필요한 모든 참조 자료를 프롬프트에 직접 주입하는 방식이 성공적임을 확인했습니다. 그들이 '컨텍스트 엔지니어링(context engineering)'이라고 부르는 이 접근 방식은 AI가 모델 스스로 답을 찾으려 할 때 발생하는 혼란을 제거하고, 필요한 모든 사실을 바로 곁에 둘 수 있도록 보장했습니다.

결론적으로, 이 연구는 양자 컴퓨팅의 상호 운용성 문제를 해결하는 실질적인 솔루션을 제시합니다. 전통적인 컴파일러의 속도와 인공지능의 유연성, 그리고 엄격한 테스트 루프를 결합함으로써, 연구자들은 높은 신뢰도로 양자 코드를 서로 다른 언어로 번역할 수 있는 시스템을 만들어냈습니다. 이 시스템은 단순히 추측하는 것이 아니라, 자신의 작업을 검증하고, 실수를 수정하며, 새로운 도전에 적응합니다. 결정론적 경로가 알려진 언어에 대해 가장 빠르고 신뢰할 수 있는 방법이지만, 에이전트 경로는 미래를 위한 중요한 가교 역할을 하며, 양자 소프트웨어 생태계가 수동 재작성의 필요성에 발목 잡히지 않고 새로운 방언들을 수용하며 진화할 수 있게 해줍니다. 이러한 하이브리드 접근 방식은 양자 프로그램이 서로 다른 하드웨어 플랫폼 사이를 자유롭게 이동할 수 있는 미래를 암시하며, 양자 기술 전체의 발전을 가속화할 것입니다.

연구 분야의 논문에 파묻히고 계신가요?

연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.

Digest 사용해 보기 →