트랜지스터 기반의 컴퓨팅이 엄청난 발전을 하고 있습니다. CPU 에서 GPU 그리고 모바일, 인터넷 까지도 우리 사회 발전을 도와주고 있죠. 기존 트랜지스터 기반의 컴퓨터는 비트 (바이너리, 이진수, 0과 1) 의 기반이죠. 양자 컴퓨터는 양자 컴퓨팅과 트랜지스터 아날로그, 큐비트 (Qubit, 0과 1 그리고 그 둘의 모든 조합) 가 기반이 되고 있습니다. 여기에 대해서 조금 더 알아보겠습니다.
양자 컴퓨팅이란?
기존의 컴퓨터가 디지털이라고 하면 양자 컴퓨터는 아날로그라고 보시면 됩니다. 그 아날로그 컴퓨터를 작동시키는데 QPU (Quantum Processing Units) 가 기존 컴퓨터의 CPU 역할을 하고요. 요즘에 대세인 디지털 오디오 스테레오 앰프와 진공관 아날로그 앰프 같이 비슷하게 비교가 됩니다. 양자 (Quantum) 은 더 이상 나눌 수 없는 최소의 물리적 입자입니다. 그래서 큐비트 (Qubit)는 대개 원자 (atom) 나 전자 (electron) 또는 광자 (photon)로 이루어져 있죠.
트랜지스터의 비트는 한 번에 0과 1 중에 하나 만을 보여 줄 수 있지만, 양자 컴퓨팅의 큐비트는 0, 1과 그 둘의 모든 조합을 보여 줄 수 있죠 (00, 01, 10, 11 등등). 이를 중첩의 원리 (superposition)이라고 합니다.
중첩의 원리는 0과 1 이 정해진 결과가 (기존 컴퓨팅) 아니고 그 사이의 모든 조합의 확률 (양자 컴퓨팅)을 다루죠.
양자 컴퓨팅이 필요한 이유는?
중첩의 원리에 의하여 양자 컴퓨터는 기존의 컴퓨터나 슈퍼 컴퓨터 보다 광대한 계산을 할 수가 있습니다. 미래의 슈퍼 컴퓨터라고 보시면 됩니다. 변수가 여러 개인 다변수함수의 문제들을 순식간에 풀 수 있죠. 예를 들면, 항공 교통관제 시스템에 양자 컴퓨팅이 도움이 될 수 있죠. 왜냐하면 그 시스템의 계산에 많은 변수가 있습니다 (비행기 속도, 무게, 고도, 다른 비행기와의 거리, 등등이죠).
자동차 센서 위치 계산도 도움이 됩니다. BMW에서 실행한 BMW Sensor Placement Challenge (BMW 센서 위치 도전) 은 양자 컴퓨팅으로 불과 몇 분 내에 계산이 완료되었죠.
여러 곳을 방문 중인 세일즈 맨의 문제 (모든 장소들의 최단거리 찾기) 도 양자 컴퓨팅으로 간단히 풀 수 있죠. 이러한 다변수함수의 최적화 문제에 양자 컴퓨터가 기존의 컴퓨터 보다 훨씬 빨리 계산을 할 수가 있습니다.
그리고 양자 컴퓨팅은 이러한 빠른 다변수함수의 계산 법으로 현존하는 암호화 알고리즘 (cryptographic algorithms)을 소용없게 만듭니다. 그러면 양자 컴퓨팅으로 만들어지는 암호화 알고리즘은 무적이겠죠? 그래서 각국마다 양자 컴퓨팅에 엄청난 투자를 하고 있습니다. (우리나라는??)
이렇게 지금까지 양자 컴퓨터는 재료과학 (materials science), 화학 (chemistry), 암호화 (cryptography), 다변수함수 (multivariate) 문제에 이용이 될 수 있다고 밝혀져 있습니다. 그렇지만 인류가 양자 컴퓨팅에 익숙해지면서 더 다양하고 많은 곳에 쓰이게 되겠죠.
양자 컴퓨팅의 미래
아직 양자 컴퓨팅은 노이즈가 많은 과도기라고 보시면 됩니다. 큐비트 수를 늘리는 것에 과학자들이 어려움에 치닫고 있죠. 큐비트 수를 늘리면 그만큼 더 방대한 문제들을 풀 수가 있으므로. 하지만 이 부분은 시간문제입니다. 2030년까지 양자 컴퓨팅 마켓은 200억에서 300억 달러 (250조에서 370조 원)로 성장한다고 합니다. 현재 IBM 이 2022년 433 개의 큐비트를 생성하였고 (2021년 대비 3 배 증가). 2023년에는 1,121 개의 큐비트를 목표로 정하였습니다. 2026년부터는 100만 개 이상의 큐비트를 소지할 목표를 가지고 있습니다.
양자 컴퓨터와 기존 컴퓨터의 비교
양자 컴퓨팅 | 기존 컴퓨팅 |
큐비트 기반. 0, 1 그리고 모든 조합 | 트랜지스터 기반. 0 또는 1 |
큐비트가 늘어남에 따라 전기 소모량이 기하 급수적으로 늘어남 | 트랜지스터가 늘어남에 따라 1대1 형식으로 전기 소모량이 늘어남 |
에러율이 높음 (확률기반의 계산이라). 냉온도에서 보관 | 에러율이 낮음. 실온보관 가능 |
최적화, 데이터 분석, 시뮬레이션 문제에 적합 | 일상적인 처리에 적합 |
참고:
