양자 컴퓨터는 기술적으로 성숙하지 못했지만 실용적인 응용 프로그램이 속속 등장하고 있다.

양자 컴퓨터는 자동차 산업에서 운행 경로 최적화, 연료 전지 최적화 및 재료의 내구성과 같은 과학자들이 오랫동안 고민해 온 특정 문제를 해결하는 데 이상적이다.

양자 컴퓨팅 초기 사용자 중 일부는 소기의 성과를 거뒀다. 폭스바겐(Volkswagen)은 양자 컴퓨팅 스타트업 ‘D-Wave’와 협력해 도시 교통에서 버스 경로를 최적화하는 교통 관리 시스템을 개발했다. 자동차 부품 공급 업체 보쉬(Bosch)는 미국 매사추세츠 주 캠브리지 스타트업 자파타 컴퓨팅(Zapata Computing)에 2,100만 달러를 투자했다.

아직 엔지니어링 초기 단계인 양자 컴퓨팅이 장기적으로 확립되기까지 5 ~10년이 더 걸릴 수 있다. 그때까지 양자 컴퓨팅은 양자 우위를 달성, 실질적인 이점을 입증해야 한다. 특히 구체적인 문제를 해결하려면 응용 소프트웨어를 사용, 무엇보다도 양자 튜링 머신(Quantum Turing Machine)을 사용할 수 있어야한다. 즉 양자 메모리와 기존의 메인 메모리(RAM)가있는 보편적으로 적용 가능한 양자 아키텍처를 사용할 수 있어야 함을 의미한다.

DWave 128chip.

양자 머신은 사용자가 요구하는 큐비트 수를 처리하고 임의의 알고리즘을 실행할 수 있다. 이러한 기계는 개발에 10년 이상 장기간이 소요될 수 있다고 연구는 밝혔다.

멕킨지(McKinsey) 보고서에 따르면 자동차 산업은 QC가 약 2025년까지 큰 영향을 미칠 것이다. 초기 부가 가치의 대부분은 자율 주행 차량에서 학습을 가속화하기 위해 방대한 양의 데이터를 처리하는 것을 포함하여 복잡한 최적화 문제를 해결하는 데서 나올 것이다. 추후 QC는 차량 경로 및 경로 최적화, 재료 및 프로세스 연구, 커넥 티드 드라이빙의 보안과 같은 자동차 산업의 많은 영역에 긍정적 인 영향을 미칠 가능성이 있다.

또한 QC는 새로운 기술의 R&D를 현저하게 가속화함으로써 전기 자동차 (EV)시대로 전환하는 자동차 업체에 도움을 줄 수 있다. 기업은 기존 기술 스펙트럼을 EV 배터리 냉각과 같은 관련 기술로 빠르게 전환할 수 있다. 마찬가지로 배터리 및 연료 전지에 대한 재료 공정 연구 시뮬레이션은 QC가 성공할 가능성이있는 분야가 될 수 있다.

2025년까지 QC의 단기적 기회는 제품 개발 및 R&D에 나타날 것으로 예상된다. 관련 사용 사례는 주로 단순한 최적화 문제 해결과 관련되거나 단순한 양자 인공지능/기계학습(Quantum AI/ML) 알고리즘을 위한 병렬 데이터 처리를 포함합니다. 이러한 QC 애플리케이션은 HPC(고성능 컴퓨터)에 의해 처리되는 더 큰 문제의 비트가 양자 컴퓨터로 아웃소싱되고 결과가 HPC 흐름에 피드백되는 하이브리드 솔루션의 일부로 실행된다. 가능한 최적화 사용 사례에는 다중 채널 물류의 조합 최적화, 고도의 로컬 트래픽 흐름 최적화 및 차량 경로 개선이 포함된다.

보고서에 따르면 Quantum AI / ML은 대용량 데이터의 병렬 처리 증가로 인해 자율 주행 알고리즘의 시간 효율적인 훈련을 포함할 수 있다. 중기 즉, 2025년에서 2030년까지의 기간에 자동차 산업의 QC 활동이 배터리 및 연료 전지 재료 개발 시뮬레이션(열 및 물질 전달, 유체 역학 및 원자 수준의 재료 속성)과 관련된 것들에 초점을 맞출 것으로 예상된다.

또한 더 복잡한 도시 교통 시뮬레이션이 가능할뿐만 아니라 대규모 다중 모드 차량 라우팅 문제를 해결할 수 있다. 또한 대량의 데이터를 처리하는 고급 양자 컴퓨터의 기능은 엔지니어와 개발자가 향상된 패턴 인식을위한 솔루션을 구현하는 데 도움이 될 것이다.

장기적으로, 즉 2030년 이후로 양자 컴퓨팅 애플리케이션은 범용 양자 컴퓨터(universal quantum computers)에 대한 대규모 액세스를 기반으로 구축될 것이라고 전문가들은 추정한다. 따라서 일반적인 암호화 키를 깨는 소인수 분해 알고리즘(Prime factorization algorithms)은 보편적으로 사용할 수 있다. 플레이어가 자율 주행 차량, 온보드 전자 장치 및 산업용 IoT에서 통신의 양자 해킹을 방지하려고 시도함에 따라 초점은 디지털 보안 및 위험 완화로 이동할 것이다. 공유 이동성 차량의 클라우드 호스팅 내비게이션 시스템은 양자 컴퓨팅을 통해 활성화 된 레귤러 훈련을 통해 커버리지 알고리즘을 개선한다. 다른 유망한 응용 분야로는 충돌 행동 조사 및 최적화, 실내 방음 또는 AI기반 자율 주행 알고리즘 훈련이 있다. 이러한 애플리케이션은 QC 산업을 위해 가파른 성숙 과정을 필요로한다.

멕킨지 보고서는 오늘날 QC 하드웨어 산업이 어떻게 이 정도의 성숙도에 도달할 수 있을지 불분명하지만 가능한 여러 가지 방법이 있다고 말한다. 기존 QC 접근 방식은 시간이 지남에 따라 발전할 것이다. QC는 클라우드 서비스로 자리 매김해 사용자가 자신의 하드웨어를 구입하고 실행할 필요가 없도록한다.

또한 QC 소프트웨어가 발전할 것으로 예상한다. 거의 모든 역량이 미국에 집중돼 있는 하드웨어와 달리 유럽도 관련성이 높아진다는 차이점이 있다. 많은 불확실성이 지속되지만 분석가들은 앞으로의 대부분의 문제가 지정된 시간 내에 해결될 것이라고 낙관한다.

보고서는 이러한 기술이 자동차 산업에서만 2030년까지 약 20억 ~ 30억 달러의 경제적 영향을 미칠 것으로 예상한다.