천재 물리학자 리차드 파인만(Richard Feynman)이 양자 역학 원리를 활용하는 컴퓨팅 이론을 제시한 이후로 오랜기간 양자 컴퓨터는 끊임없는 과학적 발견(Scientific discovery) 단계였다.

특정 아키텍처 또는 접근 방식에 대한 과학적 원리 증명에는 도달했지만 여전히 해결해야할 엔지니어링 과제가 남았다. 상용 양자 컴퓨팅 구현의 남은 과제는 개별 큐비트 제어 부족, 환경 노이즈에 대한 민감성, 제한된 양자얽힘 시간, 제한된 총 큐비트 볼륨, 과도한 물리적 자원 요구 및 제한된 오류 수정으로 인해 발생했다.

엔지니어링 과제

수십 년에 걸친 양자컴퓨터 연구와 발전은 새로운 단계에 접어들고 있다. 지난 1년여 동안에 학계, IT 업계 및 벤처 지원 등 양자 컴퓨팅 분야에서 몇 가지 의미있는 획기적인 발전을 목격했다. 과학적 연구에 이어 남은 과제는 엔지니어링 문제다.

지난 6 개월간 구글(Google)은 ‘양자 우위(quantum supremacy)’에 대한 이론적 경로를 보여주었다. 오류를 극복, 양자 컴퓨터 내부에서 큐비트를 생성하고 측정하는 새로운 기록을 달성했다. 산업분야 글로벌 업체 하니웰(Honeywell)도 최근 ‘가장 강력한 양자 컴퓨터’를 곧 출시한다고 밝혔다. 인텔(Intel)도 극저온 제어 시스템온칩(SoC) 홀스리지(Horse Ridge) 양자 칩을 발표했다.

연구는 모두 개별 큐비트 제어 및 얽힘 시간과 관련된 문제 극복 등 유사점을 공유한다. 제어 가능하고 의미있는 일을 하기에 충분한 시간 동안 큐비트를 생성하고 유지하는 과제다.

고전 컴퓨팅 업계 리더들은 미래 양자 컴퓨팅 응용을 위한 토대를 마련해왔다. 이분야의 오랜 강자인 IBM이 클라우드 기반 양자컴퓨팅 서비스를 처음 선보인 이래 MS의 ‘Azure Quantum’과 아마존(Amazon)의 ‘AWS Braket’ 등 개발자가 다양한 양자 하드웨어 기술을 실험할 수있는 관리형 클라우드 서비스를 발표했다.

인공지능 기계학습(Machine Learning)을 양자 컴퓨팅에 융합하려는 노력도 활발하다. 구글은 양자 모델 훈련을 위한 머신러닝(ML) 프레임 워크인 텐서 플로우 퀀텀(TensorFlow Quantum)을 출시했다. 바이두, IBM등도 그 뒤를 이었다.

상용 단계

이처럼 업계는 양자컴퓨팅 실용 사례를 개발, 초기 서비스를 제시하고 있다. 의미있는 양자얽힘 시간과 개별 제어 기능을 갖춘 수십 개의 큐비트를 활용해 흥미로운 기능을 보여준다. 상용 양자 시스템을 도입하려는 각국 정부 연구기관과 주요 스타트업, 기존 IT 업체의 과감한 도전은 이 분야의 혁신을 불러오고 있다.

큐비트 제어를 위해 중성 원자(neutral atom)를 활용하는 ‘아톰 컴퓨팅(Atom Computing)’, 하니웰의 이온트랩 접근 방식 및 구글의 초전도체 접근은 최초의 상용 양자 컴퓨터 세대를 위한 초기 결과물들이다.

노이즈에도 불구하고 99.9 %의 정확도로 40-80개의 오류 수정 큐비트 범위 양자 시스템은 기존 컴퓨터의 성능을 능가하는 기능을 제공할 수 있다. 이를 통해 열역학적 예측을 수행하고, 화학 반응을 이해하고, 자원 최적화와 재무 예측을 개선하는 능력을 가속화한다.

상용 양자 컴퓨팅 개발로 제약 회사는 기존 컴퓨터에서는 불가능한 새로운 백신을 발견하고, 화학 반응을 시뮬레이션 할 수 있다. 태양 전지 제조업체는 변환 효율 개선을 위해 현재 모델링 기능을 능가할 수 있다. 몇 퍼센트 포인트 개선도 재생에너지 혁신에 중요한 기여를 할 수 있다.

자동화, 마이크로 일렉트로닉스 등 복잡한 조합 문제를 다루는 제조업체는 수율과 생산 효율을 크게 개선할 수 있다.

양자 근사 최적화 알고리즘(QAOA)

40–80개 큐비트 양자 시스템을 위한 하이브리드 알고리즘에는 QAOA(quantum approximation optimization algorithm)이 있다. 최적화 문제에 대한 솔루션을 찾기위한 다항식 및 초다항식 시간 알고리즘에 대한 하이브리드 양자-고전 컴퓨팅 접근법이 있다. 그 예는 정점들이 연결된 그래프에서 모든 정점을 방문하고 원래 출발지로 돌아오는 최소비용 경로를 구하는 순회 세일즈맨 문제(Traveling Salesperson Problem, TSP)다. 주요 가치는 다항식 솔루션의 품질과 정답 품질 사이의 비율이다.

사용 사례에는 네트워크 최적화, 머신 스케줄링, 운영 연구, 이미지 인식 및 전자 회로 설계 등이 포함된다.

양자 볼츠만 ML(Quantum Boltzmann ML)

심층 신뢰 신경망(Deep Belief Network)은 여러 겹으로 적층한 제한된 볼츠만 머신(restricted Boltzmann machine,RBM)은 까다로운 조합 최적화 문제를 해결하는 양자 컴퓨팅 아키텍처에 적합하다.

아톰 컴퓨팅(Atom Computing)을 지원한 에단 바트라스키(Ethan Batraski) 벤락(Venrock) 파트너는 볼츠만 머신을 통해 실행 설계된 신경망은 확률 샘플링에 의존하는 딥러닝 모델의 교육 및 추론 속도를 크게 향상시킬 수 있다고 설명했다. 사용 사례에는 이진 행렬 인수 분해, ML 부스팅, 강화 학습, 네트워크 설계, 포트폴리오 모델링이 포함된다.