# (요약) 과대광고를 넘어선 양자 컴퓨팅: 세바스찬 해싱어와의 대화 1. 세바스찬 해싱어(Sebastian Hassinger)는 IBM과 AWS에서 양자 컴퓨팅이 연구 호기심에서 실제 기계로 발전하는 과정을 경험한 인물임. 2. 물리학 학위가 없는 독자를 위해 『The New Quantum Era』를 저술했음. 3. 대화는 진정한 기술 진전과 마케팅을 구분하는 방법, 양자 기술의 초기 활용처, 엔지니어링 팀의 준비 사항을 다룸. 4. 해싱어는 1990년대 초 인터넷 초기부터 웹, 대기업 혁신, 스타트업까지 여러 신흥 기술 분야에서 일해 왔음. 5. 최초의 웹 기반 Apple 지원 사이트를 만들었고, 인터넷 서비스 제공업체(ISP)를 몇 곳 창업했음. 6. IBM과 Apple 같은 대기업에서 혁신 업무를 수행했고, 스타트업 자문과 공동 창업도 했음. 7. 2017년 IBM의 Qiskit 오픈소스 전략을 지원해 달라는 요청을 받으며 양자 컴퓨팅에 입문했음. 8. T.J. Watson 연구소의 Think Summit에서 이듬해 출시 예정인 53큐비트 기계 발표를 들었음. 9. 당시 내용의 약 95%는 이해하지 못했지만, 충분히 새롭고 초기 단계인 분야라고 느꼈음. 10. 물리학 배경은 없었지만 양자물리에 원래 관심이 있었고, 1년 안에 IBM Quantum 팀에서 일하게 됐음. 11. 양자 컴퓨팅 이론은 1980년대 초까지 거슬러 올라감. 12. 물리 큐비트와 실제 계산 가능성의 증명은 약 2000년 무렵에야 등장했음. 13. 현재까지 약 25년간 개발이 이어졌으며, 고전 컴퓨터가 진정으로 수행할 수 없는 작업을 할 기계에 가까워지고 있음. 14. 지금까지의 양자 컴퓨팅은 대부분 실험적 단계였음. 15. 현재 양자 컴퓨터보다 노트북이 양자 컴퓨터를 더 잘 시뮬레이션할 수 있는 경우도 많음. 16. 그러나 2020년대 말 이전에는 고전적으로 수행 불가능한 의미 있는 작업을 하는 기계가 등장할 것으로 전망함. 17. 고전 컴퓨터는 실리콘 회로의 켜짐과 꺼짐으로 불 대수(Boolean logic)를 구현하는 기계임. 18. 큐비트(qubit)는 원자, 초전도 회로, 광자처럼 제어하고 읽을 수 있는 두 에너지 준위의 자연계 시스템을 사용함. 19. 큐비트의 0과 1 상태는 중첩(superposition)될 수 있음. 20. 중첩 상태에서 큐비트는 0과 1 사이의 확률적 파동함수처럼 행동하며, 하나의 벡터로 볼 수 있음. 21. 다수의 큐비트가 결합하면 불 대수보다 선형대수(linear algebra) 중심의 계산을 수행하게 됨. 22. 선형대수는 변수가 강하게 상호연결된 고차원 문제에 특히 적합함. 23. 외판원 문제(traveling salesman problem)는 양자 컴퓨팅의 조합적 이점을 설명하는 전형적 사례임. 24. 고전 컴퓨터에서는 도시가 하나 추가될 때마다 검사해야 할 조합이 대략 두 배로 늘어남. 25. 큐비트에서는 큐비트 하나를 추가해 계산 공간을 지수적으로 확장할 수 있음. 26. 수백 개의 논리 큐비트(logical qubit)를 표현하려면 우주의 원자 수보다 많은 비트가 필요하다는 말은 이 계산 공간을 뜻함. 27. 더 단순한 관점에서 양자 컴퓨터는 자연계 시스템을 이용해 다른 자연계 시스템을 시뮬레이션하는 장치임. 28. 리처드 파인먼(Richard Feynman)은 1981년 기조연설에서 자연계의 다체계(many-body system)는 지수적 복잡성 때문에 시뮬레이션하기 어렵다고 설명했음. 29. 파인먼의 핵심 주장은 자연계를 시뮬레이션하려면 자연계 시스템이 필요하다는 것임. 30. 사람들이 흔히 “양자 컴퓨터가 모든 해를 동시에 시험한 뒤 정답을 고른다”고 말하는 것은 문자 그대로 정확하지 않음. 31. 이런 표현은 1990년대 초 피터 쇼어(Peter Shor)가 발견한 쇼어 알고리즘(Shor’s algorithm)과 관련됨. 32. 쇼어 알고리즘은 큰 수를 소인수로 분해해 RSA 등 비대칭 암호를 해독할 수 있는 알고리즘임. 33. 쇼어 알고리즘은 양자 위상 추정(quantum phase estimation)을 사용함. 34. 다수의 얽힌 큐비트가 만드는 힐베르트 공간(Hilbert space)은 큐비트 수를 n이라 할 때 2의 n제곱 규모로 확장됨. 35. 알고리즘은 이 공간에서 간섭(interference) 패턴을 의도적으로 만들어 정답의 확률 진폭은 키우고 오답은 억제함. 36. 이 과정이 “모든 답을 한꺼번에 시도한다”는 비유와 유사해 해당 표현이 계속 쓰임. 37. 양자 현상은 일상 경험과 매우 멀기 때문에 어떤 물리적·인간적 비유도 일정한 왜곡을 수반함. 38. 현재 이론적으로 우위가 입증된 양자 알고리즘은 HHL 등을 포함한 소수의 알고리즘과 그 변형임. 39. 알고리즘 목록이 짧다는 사실은 반드시 부정적 신호가 아님. 40. 고전 컴퓨터 초창기에도 사람들이 컴퓨터가 어디에 유용할지 오랫동안 알지 못했음. 41. 폰 노이만(von Neumann)의 프린스턴 고등연구소 기계와 펜실베이니아대 ENIAC은 전쟁 시기 물리 계산 수요에서 출발했음. 42. 스탠 울람(Stan Ulam)은 중성자 확산을 계산하기 위한 표본추출 기법으로 몬테카를로 알고리즘(Monte Carlo algorithm)을 고안했음. 43. 몬테카를로 기법이 포트폴리오 최적화에 쓰이기까지는 30년 이상이 걸렸음. 44. 양자 컴퓨팅도 물리학과 화학의 좁은 문제에서 나온 기법이 다른 산업으로 예상치 못한 가치를 옮길 가능성이 있음. 45. 따라서 초기 사용자들이 만든 기법을 면밀히 관찰하고 다른 산업용 알고리즘으로 일반화하는 일이 중요함. 46. 양자 컴퓨터는 더 빠르거나 더 큰 데이터를 처리하는 기계라는 통념은 잘못임. 47. 양자 컴퓨터는 오히려 더 작은 데이터를 다루면서도 속도 자체는 느린 기계임. 48. 현재 큐비트 수는 수백 개 수준이며, 향후 수천 또는 수만 개 수준을 목표로 함. 49. 큐비트 수는 사실상 기계의 레지스터 크기를 나타냄. 50. QuEra의 256큐비트 중성 원자 장치 Aquila는 한 번에 256비트 정보를 적재할 수 있음. 51. 단순 데이터 적재량만 보면 인상적이지 않지만, 큐비트가 얽히면 2의 256제곱 규모의 상태 벡터를 형성함. 52. 이 상태 수는 우주의 원자 수보다 많으며, 고전적으로 그 계산 공간을 물리적으로 재현할 수 없음. 53. 양자 컴퓨팅은 고차원이고 상호연결성이 높은 문제에서 자연스러운 이점을 가짐. 54. 재료과학은 원자가 격자에 배열되는 방식과 재료의 거동을 다루는 응집물질물리학(condensed matter physics)임. 55. 재료과학은 양자 컴퓨터가 잘 수행할 것으로 기대되는 대표적 시뮬레이션 분야임. 56. 이미 양자 접근법을 활용한 배터리 설계 연구가 유망한 결과를 보이고 있음. 57. 재료를 충분히 정밀하게 시뮬레이션할 수 있다면, 같은 강도에서 훨씬 가벼운 재료나 광합성 같은 성질을 내장한 재료를 설계할 수 있음. 58. 화학은 원자 간 상호작용을 다루므로 본질적으로 양자역학적이며, 정밀 시뮬레이션이 어려움. 59. 소분자 화학(small molecule chemistry)은 재료과학 다음의 중요한 활용 분야로 거론됨. 60. 제약 분야는 더 크고 복잡한 분자를 다루므로 더 큰 양자 컴퓨터를 필요로 함. 61. 약물 후보와 체내 표적 간 상호작용을 정밀 시뮬레이션할 수 있다면, 실제 제형화 전에 고충실도 시뮬레이션으로 후보를 선별할 수 있음. 62. 최적화와 쇼어 알고리즘 계열 암호 분야도 거론되지만, 현재 알려진 활용 사례는 아직 제한적임. 63. 금융이나 물류 같은 넓은 분야의 응용은 충분한 규모의 기계가 생긴 뒤에야 발견될 가능성이 큼. 64. 대량 데이터를 빠르게 처리하는 문제는 가까운 미래에는 양자 컴퓨터에 적합하지 않음. 65. 고전 컴퓨팅도 계속 발전하므로 대규모 데이터 처리에서는 고전 컴퓨터가 계속 우세할 가능성이 있음. 66. 양자 우위의 핵심 경계는 속도보다 충실도(fidelity)임. 67. 고전 화학 시뮬레이션에서는 DMRG 같은 방법으로 너무 많은 반응 정보를 의도적으로 버리고, 중요하다고 추정한 일부에 집중함. 68. 양자 컴퓨팅의 약속은 실제 동역학을 더 많이 보존하는 높은 충실도의 시뮬레이션임. 69. 기업은 자신의 문제에 진정으로 고차원적이고 상호연결된 데이터가 있는지 질문해야 함. 70. 최적화는 매개변수 상호연결성이 높을수록 조합적으로 어려워지므로 잠재적 적용 분야임. 71. 대형 양자 컴퓨터는 최대절단(max cut) 같은 고전적 접근보다 이런 문제를 더 효율적으로 표현할 수 있을 가능성이 있음. 72. 아직 유용한 작업을 실행할 양자 기계가 없더라도 기업은 양자 정보와 알고리즘을 이해할 역량에 지금 투자하는 것이 현명함. 73. 비즈니스 문제를 양자 문제로 재구성하는 일은 상당한 노력이 필요함. 74. 사람들은 약 80년 동안 고전적 불 대수 방식으로 사고해 왔음. 75. 문제를 선형대수 관점으로 보는 양자 직관을 형성하는 데는 시간이 걸림. 76. 가장 현명한 기업 접근법은 소수의 뛰어난 인재를 채용하고 하드웨어 기업 및 학계와 함께 연구하는 방식임. 77. JPMorgan 팀은 자사 사업과 연결되는 이론 문제를 연구하고, 공개 과학(open science)을 발표하며, 기계 성숙 이후 적용할 역량을 축적하고 있음. 78. 2020년대 말 이전에 고전 시스템을 넘어서는 의미 있는 일을 하는 기계가 나올 수 있지만, 모든 하드웨어 방식에는 여전히 깊은 과학적 미지수가 존재함. 79. 현재 상황은 트랜지스터 집적뿐 아니라 재료와 제조공정 자체의 가능성을 탐색해야 했던 고전 컴퓨팅 초창기와 유사함. 80. 초전도 큐비트는 절대영도 근처의 희석 냉동기(dilution refrigerator) 안에서 작동함. 81. 냉동기 공간은 제한적이므로 규모를 키우려면 여러 냉동기 사이의 큐비트를 연결해야 함. 82. 이를 위해 큐비트를 통신용 광자 주파수로 변환하고 광섬유로 전달한 뒤 다른 냉동기에서 원래 주파수로 되돌려야 함. 83. 현재 알려진 변환 방식은 장치가 안정적으로 작동하는 데 필요한 충실도를 제공하지 못함. 84. 이는 단순한 어려운 엔지니어링 문제가 아니라, 아직 해결법 자체가 불명확한 과학적 과제임. 85. 과학적 돌파구에는 알려지지 않은 요소가 있으므로 행운도 개입함. 86. 하드웨어 로드맵은 결정론적 공학 일정처럼 보이지만, 이를 가능하게 하는 과학적 돌파구는 결정론적이지 않음. 87. 투자자는 하드웨어 기업이 아직 해결하지 못한 과학적 과제를 깊이 검증해야 함. 88. 최종 사용자에게 특정 공급업체의 세부 사항은 상대적으로 덜 중요함. 89. 업계 전체의 북극성(North Star)은 노트북이나 GPU 클러스터로 시뮬레이션할 수 없는 규모의 오류 내성 논리 큐비트(fault tolerant logical qubit)임. 90. 양자 기계를 고전적으로 시뮬레이션할 수 없게 되는 시점이 핵심 기준임. 91. 큐비트 수는 등록기 크기에 가깝기 때문에, 그 자체로 진척도를 충분히 알려주지 못함. 92. IBM은 1,000개가 넘는 큐비트를 가진 Condor 칩을 만들었음. 93. Condor는 설계·제조 R&D에는 가치가 있었지만, 연결성이 낮고 잡음 관리가 어려웠음. 94. 연구자들은 더 작은 127~133큐비트 기계가 더 유능해 이를 선호하기도 했음. 95. 따라서 물리 큐비트의 단순 개수는 유용성으로의 진전을 보여주는 지표가 아님. 96. 중요한 요소는 충실도와 잡음이며, 오류 수정 코드(error correction code)의 회복력은 이를 보여주는 좋은 대리 지표임. 97. 오류 수정의 거리(distance) 또는 d값은 정보가 붕괴해 계산을 잃기 전에 시스템이 흡수할 수 있는 오류 수준을 대략 나타냄. 98. 거리 값이 높을수록 시스템의 회복력이 높음. 99. 약 1년 반 전 Willow 실험은 거리 7 수준이었고, 표면 코드(surface code)에서 약 100개의 물리 큐비트가 하나의 논리 큐비트처럼 작동했음. 100. 최종 사용자는 개별 게이트 충실도보다 확보 가능한 논리 큐비트 수와 오류 수정의 회복력을 봐야 함. 101. 양자 컴퓨팅이 이제 순전히 엔지니어링 문제라고 주장하는 말은 의심해야 함. 102. 양자 준비(quantum ready)는 양자 정보 관점에서 문제를 바라보는 직관을 개발하는 것을 의미함. 103. 기존 소프트웨어 개발자에게는 코딩이 보통 가장 좋은 진입점임. 104. 대부분의 양자 프로그래밍은 Python으로 수행됨. 105. Qiskit은 IBM의 Python SDK임. 106. Amazon Braket도 Python을 사용하며, 다른 도구들도 익숙한 프로그래밍 언어를 지원함. 107. 작업을 구성하고 양자 컴퓨터에 전송하는 방식은 기존 개발 도구와 유사함. 108. 어려운 부분은 회로(circuit) 자체의 논리임. 109. Unitary Foundation은 해싱어가 펠로로 활동하는 단체임. 110. 이 단체는 매년 수주 동안 진행되는 글로벌 행사 Unitary Hack을 운영함. 111. 오픈소스 양자 소프트웨어 관리자는 저장소의 이슈에 태그를 붙이고, 개발자는 현상금(bounty)을 받고 이슈를 해결함. 112. 이슈에는 일반 개발자에게도 익숙한 유지보수, 보안, 유지관리성 작업이 많음. 113. 개발자는 이 과정을 통해 양자 소프트웨어 패키지의 내부 작동 방식을 자연스럽게 익힐 수 있음. 114. ASML의 기계 엔지니어였던 미스티 월(Misty Wall)은 양자 정보 배경 없이 양자 분야에 관심을 가졌음. 115. 그는 오픈소스 오류 완화(error mitigation) 프레임워크 Mitiq의 티켓을 해결하기 시작했음. 116. 2~3년 뒤 그는 양자 오류 완화 연구 논문의 주저자가 됐음. 117. 이런 경로가 모든 사람에게 열리는 것은 아니지만, 실제 가능한 진입 경로임. 118. Unitary Foundation은 연중 Discord를 운영하며, 인기 패키지별 채널과 오픈소스 시뮬레이션 패키지 정보를 제공함. 119. 양자 회로를 고전적으로 실행하는 시뮬레이터를 직접 만드는 일은 회로와 알고리즘의 표현 방식을 이해하는 좋은 방법임. 120. 개발자에게 이것은 물리학 박사 학위와 실험실 경력을 택하는 것보다 훨씬 접근하기 쉬운 경로임. 121. 현재는 인터넷을 통해 익숙한 도구로 실제 양자 컴퓨터에 접근할 수 있음. 122. 실제 가치에 가장 가까운 분야는 재료과학이며, 소분자 화학이 근소한 차이로 뒤를 이음. 123. 최적화, 암호학, 머신러닝은 수천 개의 논리 큐비트가 필요하므로 더 먼 미래의 분야임. 124. 양자 컴퓨팅 마케팅은 오래전부터 기업 활용 사례와 도입 시점에 대한 요구 속에서 과장되기 쉬웠음. 125. 마케팅은 과학자의 추측을 확정적 사실처럼 제시하는 경향이 있음. 126. 기술 도입 일정도 마케팅이 사실보다 앞서기 쉬운 영역임. 127. 해싱어는 New Quantum Era 팟캐스트를 쓰고 진행하며, LinkedIn에서 활동함.