양자 컴퓨팅(quantum computing)이란?

양자 컴퓨팅의 현재와 미래

동전 던지기. 앞면이나 뒷면, 맞는가? 물론, 동전이 어떻게 착지하는지 본 후에는 그렇다. 하지만 동전이 공중에서 회전하는 동안에는 앞면도 뒷면도 아닌, 둘 다의 확률이다. 이 회색 영역이 양자 컴퓨팅의 단순화된 기초다.

수십 년 동안, 디지털 컴퓨터는 우리가 정보를 처리하는 것을 점점 더 쉽게 만들어왔다. 하지만 근본적으로 다른 접근 방식인 양자 컴퓨터는 컴퓨팅을 완전히 새로운 수준으로 끌어올릴 준비가 되어있다. 양자 컴퓨터는 금융, 운송, 제약 및 친환경 기술을 포함한 다양한 산업과 응용 분야에서 오늘날 컴퓨터의 한계를 훨씬 뛰어넘는 매우 복잡한 통계 문제를 해결할 가능성을 가지고 있다.

양자 컴퓨팅은 새롭게 부상하는 양자 기술의 세 가지 주요 영역 중 하나에 불과하지만, 그것만으로도 2035년까지 약 1.3조 달러의 가치를 창출하고 전례 없는 비즈니스 역량을 가능하게 할 수 있다. 모든 종류의 투자자들이 귀를 기울이고 - 그들의 지갑을 열고 있다. McKinsey의 2024년 양자 산업 리더 설문조사에 따르면 많은 양자 기업들이 규모가 빠르게 성장하고 있다: 응답자의 39%가 자사가 100명 이상의 직원을 보유하고 있다고 답했는데, 이는 2023년 9%에서 증가한 수치다. 게다가, 정부 투자자들만 340억 달러의 투자를 약속했다.

양자 컴퓨터는 어떻게 작동하는가?

노트북과 스마트폰을 구동하는 기술인 고전적 컴퓨팅은 비트 위에 구축되어 있다. 비트는 0 또는 1을 저장할 수 있는 정보의 단위다. 반면, 양자 컴퓨팅은 양자 비트 또는 큐비트 위에 구축되어 있으며, 이는 0과 1을 모두 저장할 수 있다. 큐비트는 0과 1의 모든 조합을 동시에 나타낼 수 있다; 이를 중첩이라고 하며, 이는 모든 양자 상태의 기본적인 특징이다. 큐비트의 아원자 입자가 중첩 상태에 있을 때, 각 아원자 입자는 양자 간섭이라고 불리는 현상을 통해 다른 입자와 상호작용하고 영향을 미칠 수 있다. 양자 칩은 고전적 컴퓨터의 마이크로칩과 유사하게 큐비트를 저장하는 물리적 하드웨어를 구성한다.

고전적 컴퓨터가 문제를 해결하기 위해 여러 변수를 사용할 때, 이러한 변수 중 하나가 변경될 때마다 새로운 계산을 수행해야 한다. 각 계산은 단일 결과에 이르는 단일 경로다. 반면 양자 컴퓨터는 중첩을 통해 여러 경로를 병렬로 탐색할 수 있다.

또한, 큐비트는 얽힘(entanglement)이라고 알려진 현상을 통해 서로 상호작용할 수 있다. 얽힘은 큐비트가 지수적으로 확장할 수 있게 해준다; 예를 들어, 두 개의 큐비트는 4비트의 정보를 저장하고 처리할 수 있으며, 세 개는 8비트를 처리할 수 있고, 이런 식으로 계속된다. 이러한 지수적 확장은 양자 컴퓨터에 고전적 컴퓨터보다 훨씬 더 많은 힘을 부여한다.

현재, 조직들은 주로 확장 가능하고 범용적인 양자 컴퓨터를 구축하려는 시도에서 다섯 가지 큐비트 기술을 사용하고 있다. 이러한 기술은 광자 네트워크, 초전도 회로, 스핀 큐비트, 중성 원자, 그리고 이온 트랩이다.

양자 컴퓨팅의 최근 발전

일부 중량급 기술 조직들은 이미 양자 기술에 베팅하고 있다. 2024년, Google은 대부분의 슈퍼컴퓨터가 10 septillion년(알려진 우주의 나이보다 더 긴 시간)이 걸릴 계산을 5분 만에 수행할 수 있는 실험적 양자 컴퓨터를 공개했다. Google의 양자 칩인 Willow는 주로 연구와 특수 분야에 적합하다. 다른 조직들도 자체 양자 컴퓨터를 개발하고 있으며, 2022년 기준으로 중국 정부는 양자 컴퓨팅에 153억 달러의 공적 자금을 약속했다.

2025년 2월, Microsoft는 양자 컴퓨팅 돌파구를 지원할 새로운 물질 상태를 발견했다고 발표했다. 17년간의 물리학 연구 끝에, 이 기술 거인은 Majorana 1 양자 칩을 공개했다. 이 마이크로프로세서는 "위상학적 큐비트"라고 불리는 물질의 특성을 활용하며, 이는 액체도, 고체도, 기체도 아닌 입자를 생산한다 - 비록 새로운 물질 상태의 현실과 새로운 양자 기계의 실용적 사용은 아직 증명되지 않았다. Microsoft는 이 칩이 약물 발견, 배터리 개발, AI 지배를 향한 경쟁을 가속화하는 데 사용될 수 있다고 말한다.

많은 과학자들은 Microsoft의 위상학적 큐비트가 훨씬 더 효율적이고 덜 복잡한 오류 수정으로 이어질 수 있다는 데 동의한다. 또한 양자 시스템이 양자 특성을 잃고 더 고전적 컴퓨팅 시스템처럼 행동하기 시작할 때 발생하는 양자 결맞음(decoherence)을 피하는 데 도움이 될 수 있다.

양자 컴퓨터는 무엇에 사용되는가?

오늘날의 고전적 컴퓨터는 비교적 간단하다. 제한된 입력 세트로 작동하고 알고리즘을 사용하여 답변을 내놓으며 - 입력을 인코딩하는 비트는 서로에 대한 정보를 공유하지 않는다. 양자 컴퓨터는 다르다. 하나는, 데이터가 큐비트에 입력될 때, 큐비트는 다른 큐비트와 상호작용하여 여러 다른 계산이 동시에 실행될 수 있도록 한다; 이것이 양자 컴퓨터가 고전적 컴퓨터보다 훨씬 더 빠르게 작동할 수 있는 이유다. 하지만 그것이 이야기의 끝이 아니다. 양자 컴퓨터는 고전적 컴퓨터처럼 단 하나의 명확한 답변을 제공하지 않고, 가능한 답변의 범위를 제공한다.

범위가 제한된 계산의 경우, 고전적 컴퓨터는 여전히 선호되는 도구다. 그러나 매우 복잡한 문제의 경우, 양자 컴퓨터는 가능한 답변의 범위를 좁혀 시간을 절약할 수 있다.

양자 컴퓨터는 언제 사용 가능해지는가?

앞으로 몇 년 동안, 양자 컴퓨팅의 주요 플레이어들과 소규모 스타트업들은 컴퓨터가 처리할 수 있는 큐비트 수를 꾸준히 늘리고 기술 기능을 개선하기 위해 노력할 것이다. 그러나 양자 컴퓨팅의 진전은 실제 문제를 빠르게 해결하는 데 필요한 양자 볼륨을 달성하기 위한 장기적인 경주로 남을 것으로 예상된다. McKinsey가 양자 컴퓨팅 분야의 기술 임원, 투자자, 학자들과 나눈 대화에 따르면, 72%는 2035년까지 완전히 오류 감내성이 있는 양자 컴퓨터를 볼 수 있을 것으로 믿는다. 나머지 28%는 이 이정표가 2040년 또는 그 이후에 도달할 것으로 생각한다.

그럼에도 불구하고, 일부 기업들은 그 전에 양자로부터 가치를 얻기 시작할 것이다. 처음에는 기업들이 클라우드를 통해 양자 서비스를 받게 될 것이다. 이미 여러 주요 컴퓨팅 회사들이 양자 클라우드 제공을 발표했다.

양자 컴퓨팅과 AI의 관계는 무엇인가?

양자 컴퓨팅과 AI는 잠재적으로 공생 관계를 갖고 있으며, 서로의 능력과 각 분야를 발전시킬 수 있다. 함께, 그들은 인공 일반 지능(AGI) 달성에 기여할 수 있다. 각 기술이 효율성을 높이기 위해 다른 기술을 사용하는 방법은 다음과 같다:

양자 컴퓨팅은 AI가 광범위한 데이터 세트를 빠르게 처리하는 데 도움을 줄 수 있어, AI 프로세스와 트레이닝 모델을 가속화할 수 있다. 양자 컴퓨팅은 AI 애플리케이션이 다음과 같은 이정표를 달성할 수 있게 하며, 이는 결국 AGI를 지원할 수 있다:

향상된 컴퓨팅 파워로 AGI에 필요한 빠른 데이터 처리와 계산을 가능하게 함

더 효율적인 문제 해결, AI의 고급 추론 및 의사 결정 능력 향상

향상된 학습 능력, 다양한 작업과 환경에서 AGI의 적응성에 중요함

병렬 처리, 정보 분석 및 합성 개선

복잡한 데이터 구조를 쉽게 처리하여 AI에게 복잡한 정보를 처리하고 이해하는 도구 제공

AI 연구의 잠재적 돌파구

AI는 양자 컴퓨팅의 개발, 최적화 및 실용적 응용을 향상시킬 수 있다. AI의 혜택을 받을 수 있는 양자 컴퓨팅의 몇 가지 영역은 다음과 같다:

오류 수정. 기계 학습은 양자 계산 오류를 예측하고 수정하여 양자 컴퓨터의 신뢰성을 향상시킨다.

노이즈 감소. AI는 노이즈 패턴을 분석하여 감소 전략을 개발할 수 있다.

양자 알고리즘 설계 및 최적화. 이 두 과정은 강화 학습과 같은 AI를 통해 일어날 수 있다.

양자 하드웨어 제어. AI는 양자 장치 보정을 자동화하고 제어 매개변수를 동적으로 조정할 수 있다.

자원 관리. AI는 큐비트를 효율적으로 할당하고 양자 작업의 스케줄링을 최적화하는 데 도움을 줄 수 있다.

시뮬레이션 및 에뮬레이션. AI는 알고리즘 및 하드웨어 테스트를 위한 양자 시스템 시뮬레이션을 향상시킬 수 있으며, 고전적 하드웨어에서 양자 프로세스를 에뮬레이션하여 연구를 돕는다.

벤치마킹 및 성능 분석. AI는 양자 장치와 알고리즘을 평가하고 비교하기 위한 정교한 벤치마킹 도구를 개발할 수 있다.

하이브리드 양자-고전 시스템. AI는 고전적 프로세서와 양자 프로세서 사이의 작업 분배를 최적화하여 전체적인 효율성을 극대화할 수 있다.

양자 기계 학습(QML). AI는 성능과 적용 가능성을 향상시켜 QML 모델의 훈련을 개선할 수 있다.

양자 컴퓨팅의 발전을 방해할 수 있는 장애물

양자 컴퓨팅 발전의 주요 도전 중 하나는 큐비트의 변동성이다. 오늘날 고전적 컴퓨터의 비트가 1 또는 0 상태에 있는 반면, 큐비트는 두 가지의 가능한 모든 조합이 될 수 있다. 큐비트가 상태를 변경하면, 입력이 손실되거나 변경되어 결과의 정확성에 영향을 미친다. 개발의 또 다른 장애물: 양자 컴퓨터가 중요한 돌파구를 제공하는 데 필요한 규모로 작동하려면, 잠재적으로 수백만 개의 큐비트가 연결되어야 한다. 오늘날 존재하는 몇 안 되는 양자 컴퓨터에는 그 숫자에 근접한 큐비트가 없다.

양자 컴퓨팅 기술을 확장하는 데 있어 몇 가지 다른 도전들:

규모에서의 고신뢰도 두 큐비트 게이트. "고신뢰도"(99.99% 이상의 정확도와 신뢰성 수준을 의미)를 유지하는 것은 오류 감내성 양자 컴퓨터에 필요하다. 규모에서 이를 수행하는 것은 어려울 것이다.

속도. 큐비트는 서로 상호작용하기 위해 양자 상태를 유지해야 한다. 특정 환경 조건에서도, 그들은 결국 열화될 것이다.

다중 큐비트 네트워킹. 큐비트를 서로 연결하거나 네트워킹하는 것은 이론적으로 양자 컴퓨터를 훨씬 더 강력하게 만들 수 있다. 여기서 핵심 도전은 칩 간에, 또는 한 물리적 양자 컴퓨터에서 다른 곳으로 큐비트를 연결하는 것이다.

규모에서의 개별 큐비트 제어. 주어진 양자 컴퓨터에서 큐비트 수가 증가함에 따라 개별 큐비트의 제어가 점점 더 복잡해진다.

냉각 전력 및 환경 제어. 양자 컴퓨터가 커짐에 따라, 그것들을 냉각시키는 장비의 크기와 전력 요구 사항은 재정적으로나 환경적으로나 점점 더 비용이 많이 든다. 현재, 수백만 큐비트를 연결하기에 충분히 큰 양자 컴퓨터에 전력을 공급하는 것은 대부분의 회사에게 비용적으로 금지된다.

제조 가능성. 대량의 양자 컴퓨터를 생산하려면 제조 및 테스트 프로세스 모두의 자동화가 필요할 것이다. 특정 양자 컴퓨터의 생산은 완전히 새로운 제조 기술 개발이 필요할 수 있다.

고전적 컴퓨터와 양자 컴퓨터는 어떻게 함께 작동할 수 있는가?

처음에는 천천히 진행된다. 초기에, 양자 컴퓨팅은 다변수 문제를 해결하기 위해 고전적 컴퓨팅과 함께 사용될 것이다. 한 가지 예? 양자 컴퓨터는 금융이나 물류 문제에 대한 가능한 솔루션의 범위를 좁혀, 회사가 최선의 솔루션에 더 빨리 도달하도록 도울 수 있다. 이러한 종류의 느린 진행은 양자 컴퓨팅이 더 중요한 돌파구를 제공할 만큼 충분히 발전할 때까지 표준이 될 것이다.

조직은 필요한 양자 컴퓨팅 인재를 어떻게 찾을 수 있는가?

양자 컴퓨팅에 대한 비즈니스 필요성과 그것을 충족시킬 수 있는 양자 전문가의 수 사이에는 큰 격차가 있다. 이 인재와 기술 격차는 McKinsey가 최대 1.3조 달러로 추정하는 잠재적 가치 창출을 위험에 빠뜨릴 수 있다.

인재 도전은 다양한 크기의 회사에 따라 다르게 느껴진다. 양자 공간에서 일하는 작은 스타트업은 일반적으로 대학 연구실에서 성장하며 종종 숙련된 후보자에게 직접 접근할 수 있다. 그러나 더 큰 회사들은 이러한 인재 풀에 대한 연결이 적을 수 있다.

McKinsey 연구에 따르면, 양자 직무 공개 3개당 자격을 갖춘 양자 후보자는 1명뿐이다. McKinsey 연구에 따르면, 인재 풀이나 예측된 양자 직무 창출 속도에 중요한 변화가 없는 한 2025년 양자 직무의 50% 미만이 채워질 것이다.

다음은 조직이 필요한 양자 인재를 구축하는 데 도움이 될 수 있는 AI 인재 여정에서 얻은 다섯 가지 교훈이다:

인재 필요성을 명확하게 정의하라. AI 초기에, 일부 조직은 어떤 기술이 필요한지 명확하게 이해하지 못한 채 데이터 과학자를 고용했다. 양자에서 같은 실수를 피하기 위해, 조직은 먼저 양자 컴퓨팅 팀이 작업할 가능한 응용 분야를 식별한 다음, 새로운 고용이 다양한 전문 영역에서 오는지 확인해야 한다.

번역자에 일찍 투자하라. AI에 대한 초기 열기가 높아지면서, 분석 번역자의 역할은 리더들이 AI가 해결하는 데 가장 적합한 비즈니스 도전을 식별하고 우선순위를 정하는 데 도움을 주는 데 중요해졌다. 양자에서도 비슷한 필요성이 있다: 조직이 기회를 이해하고 이 빠르게 확장하는 생태계에서 올바른 플레이어를 식별하는 데 도움을 줄 수 있는 공학, 응용 및 과학적 배경을 가진 번역자들이 필요하다.

다양한 인재 파이프라인을 위한 경로를 만들어라. 첫 AI 모델 중 많은 것들은 그들을 훈련시키는 데 사용된 정보로부터 동일한 편향을 반영했다. 또한 모델을 구축하고 테스트한 사람들 사이에 다양한 관점과 경험이 부족한 것도 흔했으며, 이는 편향 문제에 기여했다. 양자에서 모든 위험을 알기에는 너무 이르지만, 다양하고 권한이 부여된 양자 인력이 이 새로운 기술에 관여하지 않는다면 비슷한 도전이 예상된다.

모든 사람을 위한 기술 리터러시를 구축하라. 모든 수준의 직원이 새로운 기술을 최대한 활용하려면, 그들은 그것이 어떻게 작동하고 무엇을 할 수 있는지에 대한 기본적인 이해가 필요하다. 양자에서는, 비즈니스 리더뿐만 아니라 마케팅, IT 인프라, 금융 등 공급망 전반의 근로자들도 양자 주제에 대한 기본적인 유창성이 필요할 것이다.

인재 개발 전략을 잊지 마라. 기술적 격변 시기에 회사들은 인재 유치에 크게 집중하는 경향이 있지만, 그것은 인재 퍼즐의 한 조각일 뿐이다. 전문가를 유지하기 위해, 회사들은 인재 개발을 위한 명확한 경로를 마련해야 한다. 한 제약 회사는 그들의 작업 목적 - 생명을 구하는 데 도움이 되는 사용 사례 개발 - 과 팀에게 그들이 작업할 양자 관련 질문을 선택하고 외부 전문가 및 실무자와 협력할 자유를 제공하는 것에 중점을 둔다.

양자 컴퓨터의 잠재적 비즈니스 사용 사례는 무엇인가?

양자 컴퓨터는 오늘날의 고전적 컴퓨터와 차별화되는 네 가지 기본 능력을 가지고 있으며, 이 모두는 비즈니스 맥락에 적용될 수 있다:

양자 시뮬레이션. 양자 컴퓨터는 복잡한 분자를 모델링할 수 있어, 결국 화학 및 제약 회사의 개발 시간을 줄이는 데 도움이 될 수 있다. 과학자들이 새로운 약물을 개발할 때, 그들은 분자가 다른 분자와 어떻게 상호작용할지 이해하기 위해 분자의 구조를 검사해야 한다. 각 원자가 복잡한 방식으로 다른 원자와 상호작용하기 때문에, 오늘날의 컴퓨터가 정확한 시뮬레이션을 제공하는 것은 거의 불가능하다. 그러나 전문가들은 양자 컴퓨터가 결국 인체에서 가장 복잡한 분자까지도 모델링할 수 있을 만큼 강력하다고 믿는다. 이는 새로운 약물의 더 빠른 개발과 새롭고 변혁적인 치료법의 가능성을 열어준다.

최적화 및 검색. 모든 산업은 어떤 식으로든 최적화에 의존한다. 로봇은 공장 바닥에 어디에 가장 잘 배치되는가? 회사의 배송 트럭이 이동할 가장 짧은 경로는 무엇인가? 회사의 효율성과 가치 창출을 최적화하기 위해 답해야 할 무수한 질문이 있다. 고전적 컴퓨팅으로, 회사들은 하나의 복잡한 계산을 다른 것 뒤에 해야 하는데 - 주어진 상황의 많은 변수를 고려할 때, 이는 잠재적으로 시간을 소모하고 비용이 많이 드는 과정이다. 양자 컴퓨터는 여러 변수를 동시에 작업할 수 있기 때문에, 가능한 답변의 범위를 빠르게 좁히는 데 사용될 수 있다. 거기서부터, 고전적 컴퓨팅은 정확한 하나의 답변에 도달하는 데 사용될 수 있다.

양자 AI. 양자 컴퓨터는 자동차부터 제약까지 다양한 산업에서 기계 학습을 변화시킬 수 있는 더 고급 알고리즘으로 작업할 잠재력을 가지고 있다. 특히, 양자 컴퓨터는 자율 주행 차량의 도착을 가속화할 수 있다. Ford, GM, Volkswagen 및 기타 모빌리티 스타트업과 같은 회사들은 비디오 및 이미지 데이터를 복잡한 신경망을 통해 실행하고 있다. 그들의 목표? AI를 사용하여 차에게 중요한 운전 결정을 내리는 법을 가르치는 것이다. 양자 컴퓨터가 여러 복잡한 계산을 많은 변수와 함께 동시에 수행할 수 있는 능력은 그러한 AI 시스템의 더 빠른 훈련을 가능하게 한다.

소인수 분해. 오늘날의 기업들은 고전적 컴퓨터가 처리하기에 너무 큰 대규모, 복잡한 소수 - 를 암호화 노력의 기초로 사용한다. 소인수 분해라고 불리는 과정을 사용하여, 양자 컴퓨터는 고전적 컴퓨터보다 더 쉽게 이러한 복잡한 소수를 해결하기 위해 알고리즘을 사용할 수 있다. (사실, Shor의 알고리즘으로 알려진 양자 알고리즘은 이론적으로 이것을 할 수 있다; 단지 그것을 실행할 만큼 강력한 컴퓨터가 없을 뿐이다.) 양자 컴퓨터가 충분히 발전하면, 온라인 서비스를 보호하기 위해 새로운 양자 암호화 기술이 필요할 것이며 - 과학자들은 이미 이 결과에 대비하여 양자 암호학에 대해 연구하고 있다. McKinsey는 양자 컴퓨터가 빨라야 2020년대 후반에 소인수 분해를 하기에 충분히 강력해질 것으로 추정한다.

이러한 능력들이 양자 컴퓨팅 파워와 함께 발전함에 따라, 추가적인 사용 사례들이 증가할 가능성이 있다.

컴퓨팅 외에 다른 양자 기술은 무엇인가?

McKinsey의 분석에 따르면, 양자 컴퓨팅은 여전히 광범위한 상업적 응용에서 몇 년 떨어져 있다. 그러나 양자 통신(QComm)과 양자 감지(QS)와 같은 다른 양자 기술들은 훨씬 더 일찍 사용 가능해질 수 있다.

양자 통신은 강력한 암호화 프로토콜을 가능하게 하는 데 도움을 줄 것이며, 이는 민감한 정보의 보안을 크게 향상시키고 다음과 같은 상황에서 도움이 될 수 있다:

완전한 보안. 양자 암호화 프로토콜 및 양자 텔레포테이션과 같은 QComm 응용 프로그램은 정보가 위치 간에 전송될 때 완전한 보호를 보장하는 데 도움이 된다. 이러한 프로토콜은 고전적 프로토콜보다 더 안전하며, 대부분은 양자 컴퓨터가 더 많은 컴퓨팅 파워를 얻거나 더 효율적인 알고리즘으로 작업할 수 있게 되면 깨질 가능성이 높다.

향상된 양자 컴퓨팅 파워. QComm은 두 가지 중요한 유형의 양자 처리를 가능하게 한다: 병렬 양자 처리(여러 프로세서가 연결되어 동일한 문제에서 다른 계산을 동시에 실행하는 곳)와 블라인드 양자 컴퓨팅(양자 통신이 클라우드에서 원격, 대규모 양자 컴퓨터에 대한 접근을 제공하는 곳). 두 유형의 처리 모두 큐비트와 같은 입자의 얽힘에 의해 가능해지며, 이때 입자들은 연결된 속성을 가진다(즉, 한 입자의 속성은 다른 입자에 행해진 행동에 의해 조작될 수 있다).

양자 감지는 온도, 자기장, 회전과 같은 물리적 속성의 측정을 포함하여 이전보다 더 정확한 측정을 가능하게 한다. 양자 센서가 더 최적화되고 크기가 감소하면, 현재 센서가 캡처할 수 없는 데이터를 측정할 수 있게 될 것이다.

QComm과 QS에 대한 시장은 현재 지금까지 대부분의 헤드라인과 자금을 끌어들인 양자 컴퓨팅 시장보다 작다. 그러나 McKinsey는 QComm과 QS 모두 미래에 심각한 관심과 자금을 끌 것으로 예상한다. 이러한 양자 기술에 투자하는 것은 위험이 없지 않지만, 잠재적인 보상은 높다: 2030년까지, QComm과 QS는 130억 달러의 수익을 창출할 수 있다.

<출처:Mckinsey.com>