11월 12일 (목)양자 뉴스·논문·데이터를 매일 한국어로 전합니다

Xanadu·HyperLight, TFLN 광스위치 7 mdB 양산 검증…2025년 대비 삽입손실 3배 감소

Xanadu와 HyperLight Corporation이 박막 니오브산리튬(TFLN) 기반 광스위치에서 삽입손실 7 mdB를 달성하고 상용 웨이퍼 양산 라인에서 반복 재현성을 검증했다. 두 회사가 2025년 기록한 20 mdB에서 약 3배에 가까운 개선이며, 내결함성 포토닉 양자 프로세서 확장의 핵심 걸림돌 중 하나를 해소하는 성과다.

Quantum Computing Report2분 읽기
Xanadu·HyperLight, TFLN 광스위치 7 mdB 양산 검증…2025년 대비 삽입손실 3배 감소

광스위치 삽입손실, 1년 만에 3분의 1 수준으로

Xanadu(NASDAQ/TSX: XNDU)와 집적 포토닉스 기업 HyperLight Corporation이 TFLN 기술로 광스위치 삽입손실 7 밀리데시벨(mdB)을 달성했다. 두 회사는 2025년 20 mdB라는 자체 이전 기록을 보유하고 있으며, 이번 성과는 약 1년 사이에 약 2.86배 개선에 해당한다. 성과물은 HyperLight의 TFLN 칩렛 플랫폼을 통해 상용 웨이퍼 양산 라인에서 제조됐으며, 고용량 생산 웨이퍼 전반에 걸쳐 반복 재현성이 확인됐다. 연구소 수준 시연에 그치지 않고 대량 생산 환경에서의 수율까지 입증했다는 점이 주목할 만하다.

광자 손실 수치로 본 경쟁 플랫폼 비교

7 mdB는 광자 1,000개 전송 시 2개 미만이 손실되는 수준이다. 비교 기준으로는 PsiQuantum이 Nature에 게재한 300 mm 실리콘 웨이퍼 기반 바륨 티타네이트(BTO) 위상 변환기가 활용됐는데, 해당 소자의 삽입손실은 약 100 mdB로 1,000광자 중 약 23개가 손실된다. TFLN 방식은 이와 비교해 약 14배 낮은 손실을 기록한 셈이다. BTO는 전기광학 포켈스 계수가 높은 소재로 고속 스위칭 측면에서는 유리하지만, 분자빔 에피택시를 적용하는 복잡한 공정을 필요로 한다. TFLN은 AI 가속기·통신망용 고대역폭 광인터커넥트 분야에서 이미 성숙된 상용 제조 인프라가 구축돼 있어 웨이퍼 수율과 제조 단가 측면에서 실용적 우위를 갖는다.

삽입손실이 오류 정정 임계값에 직결되는 이유

포토닉 양자 아키텍처에서 광스위치는 단광자를 간섭계 네트워크 전반에 동적으로 분배해 얽힘 클러스터 상태를 생성하고 측정 기반 게이트를 구동하는 핵심 소자다. 양자 신호는 고전 광신호와 달리 증폭이 불가능하므로, 스위칭 네트워크를 통과할 때마다 누적되는 삽입손실이 양자 상태 충실도를 비례 이상으로 저하시킨다. 오류 정정 임계값을 충족하려면 허용 범위를 초과하는 손실이 발생할 때마다 펌프 레이저 출력을 높이고 하드웨어 여분을 증설해야 하는데, 이 추가 비용은 손실률에 따라 지수적으로 불어난다. Xanadu가 삽입손실 감소를 핵심 목표로 삼는 근본적 이유다. 이 회사는 대규모 극저온 냉각 설비 없이 상온에서 포토닉 양자 컴퓨팅 네트워크를 운용하는 것을 중장기 전략으로 삼고 있어, 손실 저감이 시스템 전체 에너지 효율과도 직결된다.

AI 데이터센터 광라우팅으로의 추가 적용 가능성

Xanadu와 HyperLight는 이번 초저손실 스위칭 플랫폼이 양자 컴퓨팅에 그치지 않고 에너지 소비가 급증하는 엔터프라이즈 AI 데이터센터 내부 광라우팅에서도 전력 효율 개선에 활용될 수 있다고 제시했다. 양자 하드웨어 개발 과정에서 축적된 성과가 고전 광인터커넥트 시장에서도 상업적 가치를 창출할 수 있음을 시사한다. 다만 실제 데이터센터 적용까지는 시스템 통합, 비용 경쟁력, 기존 인프라와의 호환성 등 추가 검증 과제가 남아 있다.

전문은 원문에서 읽으세요

이 글은 원문의 사실을 재구성한 편집 요약입니다. 원제: Xanadu and HyperLight Cut Optical Switch Loss to 7 mdB Using Thin-Film Lithium Niobate

Quantum Computing Report 원문

이 글은 AI의 도움을 받아 Quantum Computing Report 원문을 바탕으로 작성했습니다. 원문 저자: Mohamed Abdel-Kareem.

저작권은 원저작자에게 있습니다. 본문은 사실(fact)을 재구성한 편집물이며, 직접 인용은 출처를 명시합니다 · 저작권·AI 정책