compute

최적화가 양자 컴퓨팅의 핵심 과제입니다

McKinsey & Co의 분석가들은 4월 보고서에서 양자 컴퓨팅이 “상업적 변곡점(commercial tipping point)”에 도달했다고 언급하며, 기후 및 생명 과학, 여행 및 물류, 금융 서비스와 같은 산업의 기업들이 이미 이 신흥 기술을 활용하여 프로세스를 최적화하고, 시나리오를 테스트하며, 시뮬레이션을 실행하고 있다고 지적했습니다. 또한 그들은 작년에 투자자들이 양자 스타트업에 126억 달러를 투자한 것이 이 기술에 대한 상업적 수용의 또 다른 증거라고 말했습니다.

이러한 데이터는 양자 컴퓨팅이 “할 수 있는가(can it be done)” 단계를 넘어 “언제 모든 것이 일어날 것인가(when will it all happen)” 단계로 진입했음을 보여줍니다. 또한 이는 Dell Technologies의 글로벌 최고 기술 책임자(global chief technology officer)이자 최고 AI 책임자인 John Roese와, 점점 더 얽히고설키는 양자 및 IT 산업에 종사하는 많은 사람들이 보내는 메시지를 뒷받침합니다. 즉, 양자 컴퓨팅은 스위치를 켜는 순간이 아니라, 오류 수정된 큐비트(error-corrected qubits), 아키텍처, 소프트웨어, 애플리케이션이 끊임없이 개선되는 점점 더 확장 가능하고 실용적인 내결함성 시스템(fault-tolerant systems)으로의 꾸준한 전진일 것이라는 것입니다.

Dell, Hewlett Packard Enterprise, Cisco Systems, IBM과 같은 전통적인 오리지널 설계 제조업체들은 하이브리드 양자-고전 HPC 데이터센터에 필요한 인프라 부분을 구축하고 있습니다. Cisco는 양자 중심 네트워킹 아키텍처를 구축하는 한편, Dell, HPE 등은 양자 벤더들과 파트너십을 맺고 있습니다. 올해 초 열린 Dell Technologies World 2026에서 양자 회사 Equal1이 RacQ(아래)를 전시했습니다.

마찬가지로, HPE는 IQM Quantum Computers(그들의 Radiance 양자 시스템은 아래 포함), Quantinuum, QuEra, Rigetti 등 다양한 양자 중심 회사들과의 파트너십을 공개하며, 이들 시스템을 HPE의 Cray 슈퍼컴퓨터와 통합하는 플랫폼을 구축하고 있습니다.

McKinsey의 데이터에 따르면, 초기 도입 기업들은 이미 혜택을 보고 있으며, 이러한 혜택과 이를 경험하는 기업의 수는 기술이 더욱 발전함에 따라 증가할 것입니다. Roese는 The Next Platform과의 인터뷰에서 사용자들이 가까운 시일 내에 이러한 변화를 목격하기 시작할 것이라고 말하며, “이번 10년이 끝나기 전, 즉 대략 2028년이나 2029년쯤에는 첫 번째 실제 문제들을 해결할 수 있는 충분한 오류 보정 논리 큐비트(error-corrected logical qubits)를 갖게 될 가능성이 높으며, 이 문제들은 본질적으로 분자 수준의 최적화입니다.”라고 언급했습니다.

다음 10년 초반에는 더 큰 규모의 최적화에 중점을 둘 두 번째 단계를 처리할 수 있는 충분한 컴퓨팅 파워가 양자 시스템에 존재해야 합니다. 항공사나 기타 운송 사업체들이 조정해야 하는 것, 또는 금융 회사가 다루어야 하는 과제들을 생각해 보십시오. 복잡한 최적화는 수많은 계산을 포함하며, 이는 현재 가장 강력한 클래식 컴퓨터조차도 시간과 비용에 민감하게 처리하기 어려워하는 종류입니다. 만약 이러한 문제가 해결된다면, 기업부터 최종 사용자까지 엄청난 혜택을 가져올 수 있습니다.

Roese는 “전 세계의 전체 공급망은 우리가 대규모의 효율적인 최적화 계산을 수행할 컴퓨팅 능력이 없기 때문에 본질적으로 비최적 상태입니다. 이것은 사소한 문제가 아닙니다. 하지만 이를 수행하려면 큐비트(qubit)의 수에 제한이 걸립니다. 미국 전역과 모든 도로를 표현하려면 매우 큰 양자 컴퓨터가 필요합니다. 그리고 이는 큐비트 수와 정확히 일치하지는 않지만, 해당 데이터 세트는 상당히 크며 1,000 큐비트 시스템에는 들어가지 않을 것입니다. 대규모 최적화 문제를 수행하려면 백만 개의 큐비트 또는 수백만 개의 큐비트가 필요할 수 있습니다.”라고 말했습니다.

그럼에도 불구하고, Qarakal Quantum이나 Infleqtion 같은 곳에서는 논리 큐비트를 생성하는 데 필요한 물리적 큐비트의 수를 줄이는 여러 아키텍처들이 존재합니다. 이는 인프라 및 에너지 비용을 절감하고, 노이즈를 줄이며, 데이터 센터 내 클래식 HPC 시스템과 더 잘 통합될 수 있는 시스템 설계를 가능하게 합니다.

Roese는 큐비트 개수와 상관없이 초기 단계에서 시스템에 적용되는 작업은 분자 수준의 것일지라도 실제 결과를 가져올 것이라고 말합니다.

그는 “배터리를 더 좋게 만들거나 어떤 면에서 재료를 더 좋게 만드는 비결이 사실 그 재료를 구성하는 분자를 어떻게 조립하느냐에 있는 과학적, 산업적 기반의 기초 영역들이 많다. 그리고 분자는 서로 다른 원자들로 구성되어 있고, 이 원자들은 각기 다른 원소들을 가지고 있다”라며, 이를 최적화하고 함께 배치할 수 있는 능력이 중요하다고 덧붙입니다. “단순히 연결하는 것만이 아니라, 얼마나 떨어져 있어야 하는지? 어떤 결합력을 가져야 하는지가 중요하다. 왜냐하면 분자의 원자들은 일종의 접착제 같아서 서로 연결되기 때문이다.”

그는 강철로 만든 장치와 시스템에서 발생하는 녹 문제를 지적하며, 이는 “가장 기본적인 수준에서” 분자들이 제대로 배열되지 않기 때문에 발생하며, 이 문제는 그들 사이의 간격을 변경함으로써 해결될 수 있다고 말합니다.

“녹이 슬지 않는 스테인리스 스틸 같은 재료들은 그것들이 강철이기 때문이 아니다”라고 Roese는 말합니다. “많은 종류의 강철이 있다. 스테인리스 스틸은 분자 내 실제 원자들이 배열되어 녹에 저항하는 효과를 실제로 만들어내기 때문이다. 만약 어떤 재료를 보고 ‘왜 부식되는가?’라고 질문하고, 그것이 원자 수준의 작은 부분이 최적화되지 않았기 때문임을 이해할 수 있다면 어떨지 상상해 보라. 그리고 그 재료를 변경하여 녹슬지 않게 만드는 것이다. 내가 본 수치에 따르면, 부식은 전 세계 경제에 매년 1조 달러의 비용을 초래한다.”}<tool_call|>{

전통적인 슈퍼컴퓨터도 이 중 일부를 처리할 수는 있겠지만, 양자 시스템은 기하급수적으로 더 큰 유효 컴퓨팅 파워를 가지고 있어 이를 더 빠르고 더 큰 규모로 수행할 수 있을 것입니다. 약물 발견이나 배터리(더 오래 지속되도록 만드는 것)와 같은 다른 산업들 역시 분자 수준의 최적화 범주에 속합니다. 양자 컴퓨팅은 더 이상 물리학 문제가 아니라 공학 문제입니다. 이러한 문제를 해결하는 것은 대부분의 사람들에게는 눈에 보이지 않겠지만, 많은 분야에 중대한 영향을 미칠 것입니다.

Roese에 따르면 2030년까지 양자 시스템은 분자를 넘어선 더 큰 규모에서 최적화 문제들을 다룰 수 있게 될 것입니다. 현재 가장 큰 기회는 물류(logistics) 분야라고 합니다. 이는 아직 개척되지 않은 영역이 아닙니다. D-Wave의 어닐링(annealing) 양자 시스템들은 이러한 최적화 기회를 목표로 하고 있으며(비록 이 회사가 초전도 양자 시스템도 구축할 예정이지만), 그는 Dell 역시 공급망에서 최적화를 해결하기 위해 어닐러를 사용했다고 덧붙입니다. 하지만 어닐러는 최적화 문제에 특화되어 있어, 그 사용 자체가 대규모 조직이 직면하는 과제들을 제기했습니다. Roese는 항공 게이트 문제를 예로 들며 지적합니다.

“저는 게이트가 30개 있고, 비행기가 300편 있고, 승객이 10만 명 있습니다.” 그가 말합니다. “어떤 조합이 저에게 최고의 결과를 가져다줄까요? 더 심하게는, 10만 명의 승객이 모두 그 비행기에 탑승하고, 비행기마다 구성이 다릅니다. 연쇄 반응을 일으킵니다. 쉽게 계산할 수 없습니다. 수동으로 계산하려고 해도, 계산해야 할 순열(permutation)의 수가 슈퍼컴퓨터로도 매우 오랜 시간이 걸릴 것입니다.”

FedEx, UPS, DHL과 같은 운송 회사들도 또 다른 예시입니다. 이들 모두 경로 최적화 공식(route optimization formulas)을 사용하여 운전자가 경로에서 좌회전을 해야 하는 횟수를 줄여 시간과 연료 비용을 절감합니다.

“그것은 매우 기초적인 최적화이지만, 그들이 생각해낼 수 있는 최선입니다. 왜냐하면 다른 선택지는 모든 거리의 모든 순열과 발생할 수 있는 모든 가능한 일들을 살펴보고, 단순히 좌회전만 하는 것이 아니라는 것을 알아내는 것이기 때문입니다.” Roese가 말합니다. “그들에게 전체적인 패키지 배송, 가스 배송, 무엇이든 배송하는 물류에 상당한 개선을 가져올 행복한 경로(happy path)가 있습니다. 그런 다음 그것을 연쇄적으로 적용할 수 있습니다. 배달 트럭은 한 계층일 뿐이고, 그들이 배달하는 것은 여러 출처에서 오는 상품입니다.”

이러한 최적화 능력은 현재와 미래의 환경에 적용될 수 있으며, 이 환경들은 점점 더 어려워질 것입니다. 예를 들어, 2030년까지는 기하급수적으로 더 많은 AI 에이전트가 존재할 것이며, 자율 주행 차량의 사용도 증가하여 훨씬 더 복잡한 환경을 만들 것입니다.

“2030년까지 세상에 얼마나 많은 자율 에이전트가 있을 것 같습니까?” Roese가 묻습니다. “1조 개 정도요? 엄청날 겁니다. 물리적이고 논리적인 모든 종류의 자율 AI가 사방에 돌아다닐 것입니다. 지금까지 우리의 경험은 그것들이 예측 가능하면서도 예측 불가능하다는 것입니다. 형태를 갖출 수는 있지만, 시스템과 팀으로서 작동하기 시작하면 이해하고 제어하며 지시하기가 매우 어려워집니다. 문제는 너무 많은 움직이는 부품들 때문에 제가 모델링할 수 없고 제대로 시뮬레이션할 수 없다는 것입니다. ‘만약 제가 아주 큰 자율 AI 개체 생태계를 가지고 있고, 그것들이 함께 작동하도록 하고 싶다면,’ 중앙에 양자 시스템을 차량으로 두어 그들에게 무엇을 해야 할지 알려주는 식입니다.”

그는 양자 시스템이 다룰 수 있는 워크로드가 이 두 단계 너머로 갈수록 그 수와 복잡성이 증가할 것이라고 말합니다.