Microsoft Majorana 2: AI가 설계한 양자 칩과 1,000배 안정성 도약
핵심 요약
Microsoft가 2026년 6월 2일 Build 2026 컨퍼런스에서 차세대 양자 칩 Majorana 2를 공개했습니다. 핵심 수치는 큐비트 parity lifetime입니다. 이전 세대에서 1~12밀리초에 불과하던 수치가 Majorana 2에서 평균 20초, 최장 1분까지 연장됐습니다. 정확히 1,000배 향상입니다.
동시에 Microsoft는 이 칩 개발에 자사의 agentic AI 플랫폼 Microsoft Discovery가 핵심 역할을 했다고 밝혔습니다. AI가 20년치 실험 데이터를 분석하고, 소재 최적화 실험을 자동화해 개발 사이클을 획기적으로 단축했다는 설명입니다. Microsoft Discovery는 Build 2026과 함께 일반에도 공개됐습니다.
상용 양자컴퓨터 목표 시점도 당겼습니다. 2033년이던 기존 로드맵이 2029년으로 4년 앞당겨졌습니다.
Majorana 2: 큐비트 수명 1,000배 연장
Majorana 2는 위상 양자비트(topological qubit) 방식의 칩입니다. 일반적인 초전도체 큐비트와 근본적으로 다른 접근입니다. 위상학적 특성으로 보호되는 큐비트는 이론적으로 환경 노이즈와 오류에 훨씬 강합니다. Microsoft가 이 방식에 오랫동안 투자해온 이유이기도 합니다.
구체적인 소재 변화가 이번 성능 도약의 핵심입니다. Majorana 1에서 초전도체로 사용하던 알루미늄을 **납(lead)**으로 교체했습니다. 반도체 활성 영역도 인듐-비소(InAs)와 인듐-비소-안티모니드(InAsSb) 조합으로 업데이트됐습니다. Microsoft의 기술 논문에 따르면 이 InAs-Pb tetron 소자 구조에서 Z-parity lifetime이 이전 대비 3배 이상 향상됐습니다.
| 지표 | Majorana 1 | Majorana 2 |
|---|---|---|
| 큐비트 parity lifetime (평균) | 1~12ms | ~20초 |
| 큐비트 parity lifetime (최장) | — | ~60초 |
| 위상 갭(topological gap) | 기준 | 2배 이상 |
| 초전도체 소재 | 알루미늄 | 납(lead) |
| 반도체 활성 영역 | InAs | InAs + InAsSb |
위상 갭이 커진 것도 중요한 변화입니다. 위상 갭이 넓을수록 큐비트가 열적 노이즈와 외부 교란으로부터 더 잘 보호됩니다. Majorana 2의 위상 갭은 전 세대 대비 2배 이상입니다. 소재 변경과 위상 갭 확장이 결합된 결과가 1,000배 안정성 향상으로 나타났다고 Microsoft는 설명합니다.
큐비트 하나가 1분간 상태를 유지한다는 게 어느 정도의 의미인지를 감각적으로 이해하려면 비교가 필요합니다. 구글의 Willow 칩 같은 초전도 큐비트는 수십 마이크로초에서 수 밀리초 수준입니다. Majorana 2의 20초는 그 대비 수만 배입니다. 물론 큐비트 방식이 달라 직접 비교는 어렵지만, 안정성 측면에서의 격차는 명확합니다.
AI가 양자 칩을 설계했다: Microsoft Discovery
이번 발표에서 기술 수치 못지않게 주목받은 부분이 개발 방식 자체입니다. Microsoft는 agentic AI 플랫폼 Microsoft Discovery를 Majorana 2 개발 전반에 걸쳐 활용했습니다.
Microsoft Discovery는 자율 에이전트 팀을 배포해 인간 전문가의 지도 아래 대규모 지식 추론, 가설 생성, 실험 최적화, 이론 검증을 연속 루프로 수행하는 시스템입니다. 이번 Majorana 2 개발에서는 세 가지 역할을 했습니다.
첫째, 측정 공정 자동화입니다. 연구자가 직접 수행하던 양자 소자 측정 공정을 AI 에이전트가 대신했습니다. 기존에 수 주가 걸리던 공정을 수 시간으로 압축했습니다.
둘째, 20년치 데이터 분석입니다. 약 20년에 걸쳐 축적된 실험 데이터를 여러 형식과 사일로를 가로질러 분석했습니다. 개별 연구자가 이 규모의 데이터에서 상관관계를 찾는 것은 사실상 불가능합니다. AI는 그 상관관계를 찾아냈습니다.
셋째, 소재 최적화 시뮬레이션입니다. 물리적 실험 전에 AI 에이전트가 가장 유망한 소재 조합을 시뮬레이션으로 선별했습니다. 이 과정에서 제조 공정상의 결함도 식별했습니다.
Microsoft는 "agentic AI가 100명의 양자 과학자가 해야 할 일을 해냈다"고 표현했습니다. 이 언급이 다소 마케팅적으로 들릴 수 있지만, 실험 사이클 단축이라는 결과는 측정 가능한 수치로 뒷받침됩니다.
Microsoft Discovery는 지금까지 생명과학, 화학·소재, 에너지, 제조업에 걸쳐 고객 사례를 쌓아왔습니다. Build 2026을 기점으로 일반 기업도 이 플랫폼에 접근할 수 있게 됐습니다.
과학계 반응: 환영과 회의 사이
발표 직후 물리학계의 반응은 양극단으로 갈렸습니다.
Z-parity lifetime 수치 자체에 대한 이견은 거의 없습니다. InAs-Pb tetron 소자에서 20초 수준의 parity lifetime을 기록했다는 수치는 공식 기술 논문으로 발표됐습니다. 이 수치는 독립적으로 검증 가능하며, 측정값 자체를 부정하는 물리학자는 드뭅니다.
논쟁의 핵심은 다른 곳에 있습니다. Microsoft가 실제로 **위상 큐비트(topological qubit)**를 구현했는지가 여전히 미해결 문제입니다. 발표 직후 여러 著名 물리학자들이 새 데이터가 기존의 근본적 의문을 해소하지 못한다고 지적했습니다. 안정적인 parity lifetime 측정이 위상 큐비트 존재를 증명하지는 않는다는 것입니다.
Science News는 "마이크로소프트의 큐비트 업그레이드는 물리학자들의 회의론을 여전히 불식시키지 못했다"고 보도했습니다. Scientific American도 비슷한 논조로 발표 직후 물리학자들의 비판적 반응을 전했습니다.
2018년의 전례도 이 회의론에 힘을 싣습니다. 당시 Microsoft는 Majorana zero mode를 관측했다고 발표했지만, 독립 검증 과정에서 논문을 철회해야 했습니다. 이 경험이 외부 연구자들의 검증 요구를 더 강하게 만들고 있습니다.
Majorana 2의 성과가 진정한 위상 큐비트인지, 아니면 위상 보호 효과를 모방하는 다른 현상인지는 독립적인 물리적 검증이 이뤄져야 알 수 있습니다. 이 검증에는 수개월에서 수년이 걸릴 수도 있습니다.
2029년 상용 양자컴퓨터, 어떻게 봐야 하나
Microsoft는 이번 결과를 근거로 "확장 가능하고 실용적인 양자컴퓨팅을 2029년까지 시연하겠다"고 발표했습니다. 기존 목표였던 2033년에서 4년 앞당긴 수치입니다.
업계 맥락을 보면 2029년이라는 목표는 여전히 야심 차지만, 비현실적이라고 단정하기 어려운 시점에 서 있습니다. IBM은 2029년까지 100만 큐비트 시스템을 목표로 삼고 있습니다. Google은 Willow 칩 기반 오류 수정 시스템 개발에 집중하며 2030년대 초 유용한 양자우위를 노리고 있습니다. 각 회사의 접근법이 달라 직접 비교는 어렵지만, 업계 전반에서 2029~2030년대 초가 중요한 변곡점이 될 것이라는 시각은 공유되고 있습니다.
Azure Quantum 통합 계획도 구체화됐습니다. Majorana 2는 Azure Quantum 플랫폼을 통해 기업에 제공될 예정입니다. 양자 시뮬레이션, 최적화, 암호화 분야가 초기 상용 활용 분야로 언급됩니다.
한 가지 기억할 점은, "2029년까지 시연"이 "2029년까지 상업적 양자컴퓨터 출시"와 같은 의미가 아니라는 것입니다. 시연에서 실용적 운용까지는 또 다른 도전이 기다리고 있습니다.
AI와 양자의 교차점
이번 발표의 가장 흥미로운 시사점은 기술 수치 자체보다 방향성에 있습니다.
AI와 양자컴퓨팅의 관계는 지금까지 주로 한 방향으로 논의됐습니다. "양자컴퓨터가 AI 훈련을 가속할 것이다"는 방향입니다. 하지만 Majorana 2 개발 사례는 역방향을 보여줍니다. AI가 양자 하드웨어 연구 자체를 앞당기는 데 기여했습니다.
Microsoft Discovery가 수행한 작업, 즉 20년치 데이터에서 패턴을 찾고, 가설을 생성하고, 실험 공정을 최적화하는 것은 전통적으로 숙련된 연구자들의 영역입니다. agentic AI가 그 사이클 일부를 대체하거나 보조할 수 있다는 게 이번 사례로 구체화됐습니다.
이 접근법은 양자컴퓨팅에만 국한되지 않습니다. 실험 사이클이 길고, 축적된 데이터가 방대한 영역이라면 적용 가능성이 열려 있습니다. 신약 개발, 반도체 소재, 배터리 화학이 대표적인 후보입니다. 실제로 Microsoft는 이미 이 분야들에서 Discovery 플랫폼을 활용한 고객 사례를 공개하고 있습니다.
Majorana 2의 1,000배 안정성 수치가 독립 검증을 통과하든 않든, AI가 물리 연구 실험실의 작업 방식을 바꾸기 시작했다는 이 사례는 충분히 주목할 가치가 있습니다.
참고
