기존의 GPU 기반 컴퓨팅에 비해 양자 컴퓨팅은 훨씬 더 복잡한 작업을 더 빠르고 저렴하게 수행할 수 있는 잠재력이 있다.

데이터센터가 생성형 AI를 포함한 AI 워크로드를 감당하느라 그 어느 때보다 많은 전력을 소모하고 있다. AI 연구 기관인 에포크 AI(Epoch AI)에 따르면, 생성형 AI가 실행되는 플랫폼인 LLM을 학습하는 데 사용되는 컴퓨팅 용량은 9개월마다 두 배씩 증가하고 있다. IEA는 2022년부터 2026년까지 전 세계 데이터센터 전력 수요가 두 배 이상 증가할 것으로 예측했는데, 이는 대부분 AI와 암호화폐로 인한 것이다.

ⓒ Getty Images Bank

<이미지를 클릭하시면 크게 보실 수 있습니다>

이런 AI 컴퓨팅의 딜레마에 대한 해결책 중 하나로 떠오른 것이 양자 컴퓨팅이다. 양자 컴퓨팅은 기본적으로 처리 성능과 전력 소비에서 오늘날의 이진 컴퓨팅 시스템을 크게 능가한다. 특히 여러 연구를 통해 자연어 처리 및 이미지 분석과 같은 작업에서 AI 신경망의 성능을 향상시킬 수 있는 것으로 나타났다.

가트너의 애널리스트 아비바 라탄은 "양자 컴퓨팅은 확실히 AI의 성능을 강화한다. 예를 들어, AI와 양자 컴퓨팅을 함께 사용하면, 신약 개발과 개인 맞춤형 의약품을 몇 년씩 앞당길 수 있다. 양자 컴퓨팅은 임상 약물 시험의 AI 기반 시뮬레이션을 지원해 시험 시간을 10년에서 1시간으로 단축할 수도 있다"고 설명했다.

지난 2월에는 AI 기반의 신약 개발 회사인 인실리코 메디슨과 토론토 대학교가 양자 하드웨어에서 실행되는 생성형 모델을 이용해 실행 가능한 암 치료제 후보를 생성하는 데 있어 최첨단 전통 모델보다 뛰어난 성능을 보인 첫 번째 사례를 시연했다고 발표하기도 했다.

양자 컴퓨팅의 이해

기존 컴퓨터에서 데이터 단위로 프로그래밍된 비트는 1 또는 0의 값만 가지기 때문에 이진 코드라고 한다. 양자 컴퓨터에서 데이터 단위는 큐비트라고 하는 양자 비트로 프로그래밍되며, 큐비트는 1, 0 또는 0과 1의 조합을 동시에 나타낼 수 있다. 이런 특성 덕분에 양자 컴퓨터는 GPU나 CPU를 사용하는 기존 컴퓨팅 시스템의 데이터 처리보다 기본적인 처리 작업에서 더 빠르고 더 나은 성능을 발휘할 수 있다.

예를 들어, 구글의 퀀텀 AI 부서는 시카모어(Sycamore) 양자 프로세서를 기반으로 슈퍼컴퓨터를 구축했다. 각 칩은 현재 70 큐비트를 보유하고 있으며, 비슷한 규모의 CPU 또는 GPU 기반 슈퍼컴퓨터가 처리하는 데 수십 년이 걸리는 작업을 단 몇 초 만에 완료할 수 있는 것으로 알려졌다.

왼쪽에서 오른쪽으로, 구글의 양자 컴퓨팅 플랫폼과 시카모어 양자 프로세서의 렌더링. ⓒ GOOGLE

<이미지를 클릭하시면 크게 보실 수 있습니다>

CompTIA는 "더 나은 알고리즘을 갖춘 양자 AI는 더 빠르고 정확하다"라고 발표했다.

주요 클라우드 서비스 업체는 마이크로소프트 애저 퀀텀이나 AWS 브래킷(Braket), 구글 서크(Cirq)같은 상용 양자 플랫폼 서비스를 제공하고 있다. IDC의 리서치 매지너 헤더 웨스는 "이런 플랫폼은 클라우드 서비스 업체가 여러 양자 컴퓨팅 솔루션 업체와 제휴해 하드웨어, 소프트웨어, QSDK(Quantum software development kits) 등에 대한 액세스를 제공하는 양자 컴퓨팅 마켓플레이스라고 생각하면 된다”고 설명했다.

또 "구글을 제외하고는 클라우드 서비스 업체 대부분은 자체 양자 시스템에 대한 액세스를 제공하지 않는다. AI는 이런 서비스에 포함되어 있지 않거나 관련이 없다”고 덧붙였다.

모든 기술이 그렇듯이 양자 컴퓨팅에도 긍정적인 면과 부정적인 면이 있다. 예를 들어, 양자 컴퓨팅은 거의 모든 기업이 의존하는 사이버 보안 시스템에 심각한 위협이 될 수 있다. CompTIA에 따르면, RSA 또는 SSL/TLS와 같은 암호화 알고리즘의 현재 표준은 많은 수를 소수로 인수분해하는 복잡성에 의존하고 있는데, 양자 컴퓨터는 이런 암호를 훨씬 더 쉽게 풀어낼 수 있다.

기존 업체는 물론, 스타트업까지 가세하며 양자 컴퓨팅 분야의 발전은 가속화되고 있다. 알리바바, 아마존, IBM, 구글, 마이크로소프트와 같은 대형 IT 업체는 이미 상용 양자 컴퓨팅 클라우드 서비스를 출시했다. 2년 전 골드만삭스는 이르면 2026년부터 금융 상품 가격 책정에 양자 알고리즘을 도입할 계획이라고 밝힌 바 있다. 하니웰은 양자 컴퓨팅이 향후 수십 년 내에 1조 달러 규모의 산업을 형성할 것으로 전망했다.

양자 컴퓨팅과 생성형 AI의 만남

일부에서는 양자 컴퓨팅이 생성형 AI의 자연스러운 파트너이며 전력 소비를 줄일 수 있다고 말한다. 예를 들어, 일본 스미토모 미쓰이 트러스트 은행은 미래 시장 움직임에 대한 금융 시뮬레이션 모델에 생성형 AI 기반 프로그램을 실행하기 위해 양자 컴퓨팅을 사용하고 있다. 이를 위해 2017년 하버드 대학교의 양자 컴퓨팅 연구소에서 분사한 생성형 AI 전문업체 사파타(Zapata) AI와 파트너십을 맺었다.

사파타 AI의 CEO 크리스토퍼 사부아는 선형대수(양자 수학)가 챗GPT와 같은 챗봇을 포함한 모든 종류의 AI 작업을 수행할 수 있는 솔루션으로 보고 있다. 분자 생물물리학자인 사부아는 "현재 챗봇에 엄청난 양의 GPU 에너지를 투입하고 있다. 지금 그 정도의 비즈니스 가치를 얻고 있을까? 언제쯤 수익을 창출할 수 있을까?"라고 반문했다.

사부아는 사파타 AI가 참여한 인실리코 메디슨과 토론토 대학교의 연구를 예로 들었다. 사부아는 "양자 기반 모델을 사용했을 때 다른 모델에서는 개발하지 못했던 암 치료제를 개발할 수 있었다"라며, "우리는 양자 모델을 사용해 어떤 약물이 암 단백질을 차단할 수 있는지 확인한 다음 비양자 모델을 사용했다. 양자 모델은 우리가 합성한 두 가지 약물을 찾아냈고, 이들 약물이 암 단백질을 차단한다는 것을 보여줬다”고 밝혔다.

사부아는 "그래서 질적으로 더 낫다"고 강조했다. 또 "더 저렴하고, 더 빠르고, 더 나은 답을 더 빨리 얻을 수 있다는 점에서 더 좋다. 이는 신약 개발에서 중요한 부분이다. 첫 번째 실험에서 답을 얻을 수 있다면 제약 회사는 많은 비용을 절약할 수 있다. 또는 은행의 거래 행동을 더 정확하게 모델링할 수 있다"고 설명했다.

사파타 AI의 오케스트라(Orquestra) 플랫폼은 사파타 AI의 독점 텐서 네트워크는 물론, 기존의 신경망을 포함해 모든 AI 또는 머신러닝 모델을 실행할 수 있도록 설계됐다. 텐서 네트워크는 모든 양자 회로를 모델링하고 전통적인 컴퓨터에서 실행하는 데 사용할 수 있으므로 사용자는 미래 양자 컴퓨터의 잠재적 이점을 누릴 수 있다는 것이 사파타 AI의 주장이다.

사부아는 "모든 양자 회로는 텐서 곱으로 작성할 수 있으며, 이는 결국 GPU에서 수행하는 작업을 양자 컴퓨터가 더 빠르게 처리할 수 있다는 것을 의미한다. 사파타 AI와 여러 솔루션 업체가 양자 수학이 생성형 AI의 맥락에서 더 나은 답을 얻는 데 더 효과적이라는 것을 보여줬다”고 강조했다.

특히, 사부아는 양자 통계가 누락된 정보를 추정하고 빅데이터에서 새로운 고품질 정보를 생성하는 생성형 AI 모델의 능력을 향상시킬 수 있다고 말한다. 또 진정으로 새롭고 고품질의 데이터를 생성하는 것은 산업적 활용 사례에서 매우 중요하다고 덧붙였다.

아직 초기 단계의 양자와 AI 결합

IDC의 웨스트는 양자 컴퓨팅이 복잡한 문제 해결에 적합하지만 "범용적인 데이터 솔루션은 아니다"라고 평가했다. 양자 컴퓨팅은 특정 유형의 문제를 해결하는 데 유용하다는 것.

양자 컴퓨팅에서 큐비트는 0 또는 1의 이진 상태에서 시작하지만 어닐링(Annealing) 과정을 통해 큐비트가 얽힘(Entangle) 상태가 되어 항상 최소한의 에너지로 가능한 한 많은 답을 나타낼 수 있다. 이 과정은 ms 단위로 진행된다.

웨스트는 "양자 어닐링은 최적화 문제에 가장 적합하다"라며, "복잡한 대수/인수분해 문제에는 일부 양자 머신러닝(QML) 문제가 포함되지만, 모든 AI 문제가 양자 컴퓨팅에 적합한 것은 아니다. 이런 문제 중 일부를 해결하는 데 필요한 컴퓨팅 자원을 최적화하기 위해 AI를 양자 컴퓨팅에, 양자를 AI에 통합하는 방법을 찾기 위한 연구가 진행 중이다"라고 설명했다.

양자 컴퓨팅은 대부분 개발 초기 단계에 있다. 그 이유는 양자 알고리즘을 실행할 수 있는 게이트 기반 모델을 위해 하드웨어가 아직 상당한 개선이 필요하기 때문이다. 다양한 게이트를 순차적으로 적용하면 복잡한 계산을 수행할 수 있다.

웨스트는 "이런 유형의 시스템에 대한 실제 적용례는 아직 없다"라며, "이런 시스템은 소규모 실험과 디버깅에만 유용하다. 양자 컴퓨팅은 현재 일부 과학 및 비즈니스 최적화 문제를 해결하는 데 사용되고 있다. AI를 통합하기에는 아직 너무 이르다. 지금은 가설적이고 실험적인 단계에 불과하다”고 덧붙였다.
editor@itworld.co.kr

Lucas Mearian editor@itworld.co.kr
저작권자 한국IDG & ITWorld, 무단 전재 및 재배포 금지