Onnes는 초전도 양자컴퓨터의 핵심 인프라인 희석냉동기의 고장 진단을 위한 물리 기반 디지털 트윈 시뮬레이터다. 실제 BlueFors 로그에서 학습한 노이즈 지문과 순방향 물리 모델을 결합하고, 6개 물리 기반 고장 클래스로 제로샷 LLM 에이전트 패널과 지도학습 ML 분류기를 정면 비교했다. 1000턴 평가에서 제로샷 패널은 탐지에선 분류기와 대등했지만 분류에선 뒤처졌는데, 대조적 퓨샷 예시 6개와 자기일관성 투표를 더하자 분류 정확도가 0.685에서 0.990으로 올라 지도 분류기(0.985)와 대등해졌다. 연속 모니터링에서는 모든 진행성 고장을 1회 폴링 간격 내에 포착했고, 실제 하드웨어 검증에서 오경보율 6.4%, 물리 고장 리콜 100%를 기록했다. 파라미터 업데이트 없이 시연만으로 전문 진단에 도달할 수 있음을 보여준다.
- •실제 BlueFors 로그 노이즈 지문 + 순방향 물리 모델의 희석냉동기 디지털 트윈 Onnes 구축
- •1000턴 평가에서 제로샷 LLM 패널은 탐지 대등, 분류는 혼동되기 쉬운 고장에서 열세
- •퓨샷 예시 6개 + 자기일관성 투표로 분류 정확도 0.685 → 0.990, 지도 분류기(0.985)와 대등
- •연속 모니터링에서 모든 진행성 고장을 1회 폴링 간격 내 포착
- •실제 하드웨어 검증: 오경보율 6.4%, 물리 고장 리콜 100%
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Onnes: A Physics-Grounded Multi-Agent LLM Simulator for Cryogenic Fault Diagnosis in Quantum Computing Infrastructure
- 1.Onnes 공개: 희석냉동기 물리 디지털 트윈 + 멀티에이전트 LLM 운영층으로 극저온 고장 진단
- 2.실제 BlueFors 로그에서 학습한 노이즈 지문과 물리 기반 고장 6종으로 트윈 구성
- 3.few-shot 대조 시연 6개 + self-consistency 투표로 분류 정확도 0.685→0.990, 지도학습(0.985) 수준
- 4.실 텔레메트리 sim-to-real 검증에서 허위경보율 6.4%, 물리 고장 리콜 100% 기록
왜 중요한가?
초전도 양자컴퓨터 인프라의 고장 진단이 '무엇이 잘못됐는지' 못 짚는 임계값 알람에 머물던 상황에서, 파라미터 업데이트 없이 시연 6개만으로 지도학습 분류기와 동급 성능을 낸 점이 핵심이다. 라벨 데이터가 희소한 특수 장비 운영 영역에서 LLM 에이전트 진단의 실용성을 보여준다.
본문 미리보기
arXiv:2607.05805v1 Announce Type: new Abstract: Dilution refrigerators are the enabling infrastructure of superconducting quantum computers, yet their fault diagnosis is still dominated by threshold alarms that report that something is wrong, not what. We present Onnes, a physics-grounded digital-twin simulator of a dilution refrigerator (a forward physics model with a learned real-fridge noise fingerprint) that drives a live multi-agent LLM operations layer, and use it for a controlled head-to
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
