Scientific applications of quantum computing: challenges and opportunities

수 세기 동안 인류 진보의 역사는 우리가 만들어낸 재료들에 의해 기록되어 왔습니다. 초기 예술을 채색했던 안료부터 현대 산업을 움직이는 촉매에 이르기까지, 세상을 형성하는 우리의 능력은 시행착오, 그 다음의 이론, 그리고 마지막으로 예측이라는 순환에 의존해 왔습니다. 오늘날 과학자들은 전자가 어떻게 움직이고 상호작용하는지를 결정하는 방정식들을 풀기 위해 강력한 컴퓨터를 사용하여 원자의 거동을 시뮬레이션하며, 이를 통해 실험실에서 화학 물질을 직접 섞어보기 전에 새로운 약물, 더 강한 금속, 더 효율적인 배터리를 설계할 수 있게 되었습니다. 이러한 시뮬레이션은 원자의 움직임을 계산하는 방식으로 작동합니다. 그러나 고전 컴퓨터가 미래를 예측하는 데에는 고질적인 한계가 존재합니다. 원자들이 복잡한 결합을 형성하거나 에너지가 높은 들뜬 상태에 있을 때, 수학적 구조는 너무나 얽히고설켜서 가장 진보된 슈퍼컴퓨터조차 근사치에 의존해야만 합니다. 이러한 지름길 방식은 단순한 경우에는 잘 작동하지만, 정밀함이 가장 절실히 필요한 순간에는 종종 실패하며, 이로 인해 과학자들은 새로운 재료의 안정성이나 화학 반응의 속도에 대해 추측에 의존하게 만듭니다.

영국의 여러 대학과 연구소의 연구진은 다음과 같은 결정적인 질문을 던지기 위해 모였습니다: 양자 역학의 기묘한 법칙을 사용하여 문제를 해결하는 새로운 종류의 컴퓨터가 마침내 이 장벽을 깨뜨릴 수 있을 것인가? 그들의 답변은 이 기술이 현재 어디에 서 있는지, 그리고 어디로 향할 것인지에 대한 신중하고 근거 있는 평가입니다. 그들은 양자 컴퓨팅의 약속이 실재하기는 하지만, 이것이 현재 우리가 사용하는 고전 컴퓨터를 단순히 대체하지는 않을 것이라고 주장합니다. 대신, 가장 가치 있는 전방위적 경로는 '파트너십'에 있습니다. 이 새로운 워크플로우에서 양자 컴퓨터는 고도로 전문화된 도구로서, 고전 컴퓨터가 처리할 수 없는 문제의 가장 어렵고 특정한 부분만을 해결하기 위해 개입하며, 나머지 작업은 기존의 방법론이 담당하게 됩니다.

연구진은 먼저 이 분야의 현재 상태를 인정하며 시작합니다. 우리는 아직 양자 컴퓨터가 단독으로 전체 화학 문제를 해결할 수 있는 단계에 도달하지 못했습니다. 현재 사용 가능한 장치들은 여전히 "노이즈(noisy)"가 많으며, 이는 오류가 발생하기 쉽고 한 번에 보유할 수 있는 정보량이 적다는 것을 의미합니다. 이러한 이유로 연구팀은 즉각적인 미래가 "하이브리드" 접근법에 있다고 제안합니다. 살아있는 세포 내부의 효소나 공장의 촉매와 같은 복잡한 화학 시스템을 상상해 보십시오. 이 시스템을 시뮬레이션하는 가장 어려운 부분은 대개 결합이 끊어지고 형성되는 아주 작은 활성 영역입니다. 저자들은 양자 컴퓨터를 사용하여 이 작고 결정적인 구역의 거동을 극도로 정밀하게 계산하는 한편, 나머지 거대한 시스템은 고전 컴퓨터가 처리하도록 하는 방식을 제안합니다. "임베딩(embedding)"이라고 알려진 이 방법은 과학자들이 양자 컴퓨터가 전 세계를 한꺼번에 시뮬레이션할 수 있을 만큼 커질 필요 없이, 필요한 높은 정확도를 얻을 수 있게 해줍니다.

논문은 서로 다른 유형의 문제와 이를 해결하기 위해 필요한 양자 기술의 단계들을 신중하게 구분합니다. 분자의 에너지를 예측하거나 재료의 색상을 예측하는 작업의 경우, 가장 정확한 방법은 아마도 "결함 허용(fault-tolerant)" 양자 컴퓨터를 필요로 할 것입니다. 이는 스스로 오류를 수정할 수 있는 컴퓨터로, 아직 초기 실험 단계에 있으며 널리 보급되지 않은 기술입니다. 그러나 저자들은 우리가 이러한 완벽한 기계를 기다리기만 할 필요는 없다고 제안합니다. 수백만 개의 원자 배열 중에서 가장 안정적인 구조를 찾는 것과 같은 특정 과제들의 경우, 현재의 장치들도 이미 이점을 제공할 수 있습니다. 이러한 문제들은 마치 거대한 건초더미 속에서 특정 바늘을 찾는 것과 같습니다. 양자 알고리즘은 많은 가능성을 동시에 탐색할 수 있어, 고전 컴퓨터보다 더 빠르게 최적의 해답을 찾아낼 잠재력을 가지고 있습니다.

연구진은 특히 이러한 기계들을 실제 과학 연구에 통합하는 실질적인 현실에 초점을 맞추고 있습니다. 그들은 새로운 기술을 둘러싼 흔한 과장 광고(hype)를 경계합니다. 양자 계산은 실험을 설정하고, 계산을 실행하며, 데이터를 처리하는 데 드는 시간과 에너지를 모두 고려한 후에도 고전 컴퓨터가 제공할 수 있는 것보다 더 정확하거나 신뢰할 수 있는 결과를 생성할 때에만 가치가 있습니다. 연구팀은 목표가 양자 컴퓨터의 존재를 증명하는 것이 아니라, 과학적 예측의 불확실성을 줄이는 능력을 입증하는 데 있다고 강조합니다. 만약 양자 장치가 화학자에게 새로운 배터리 재료가 안정적이라거나, 특정 약물이 바이러스에 결합할 것이라는 점을 더 높은 확신을 가지고 말해줄 수 있다면, 그것은 목적을 달성한 것입니다.

재료 과학 분야에서 논문은 새로운 화합물을 발견하는 것의 어려움을 강조합니다. 역사적으로 이는 직관과 고처리량 실험(high-throughput experimentation)의 과정이었으며, 과학자들은 작동하는 몇 가지를 찾기 위해 수천 개의 후보를 테스트해 왔습니다. 머신러닝이 이 과정을 가속화하는 데 도움을 주었지만, 여 이는 본질적인 부정확성을 가질 수 있는 고전적 시뮬레이션으로부터 생성된 데이터에 의존합니다. 저자들은 양자 컴퓨팅이 머신러닝 모델을 훈련하는 데 필요한 고품질 데이터를 제공하거나, 고전적 방법으로는 놓칠 수 있는 구조를 찾기 위해 복잡한 화학 공간을 직접 탐색할 수 있다고 제안합니다. 이는 무질서하거나 다양한 원소를 포함하고 있어, 가능한 배열의 수가 너무 방대하여 전통적인 방법으로는 철저히 탐색할 수 없는 시스템에서 특히 유효합니다.

생화학의 경우, 생물학적 시스템은 크고, 무질서하며, 끊임없이 움직이기 때문에 도전 과제가 더욱 큽니다. 단 하나의 단백질을 시뮬레이션하는 것조차 수십만 개의 원자를 추적해야 하며, 이는 가장 빠른 슈퍼컴퓨터의 한계까지 밀어붙이는 작업입니다. 논문은 살아있는 세포에 대한 완전한 양자 시뮬레이션이 가까운 미래에 현실적인 목표가 아닐 것이라고 주장합니다. 대신, 가장 실용적인 응용은 양자 컴퓨터를 사용하여 효소 내부에서 일어나는 특정 화학 반응을 연구하는 것입니다. 이러한 작은 반응 부위를 양자 정밀도로 다루고 주변 환경을 고전적 방법으로 다룸으로써, 과학자들은 분자 수준에서 생명이 어떻게 작동하는지에 대한 더 깊은 이해를 얻을 수 있을 것입니다. 이는 더 나은 약물 설계와 질병이 발달하는 과정에 대한 명확한 그림으로 이어질 수 있습니다.

저자들은 또한 하드웨어 자체에 대해서도 언급하며, 초전도 회로에서부터 갇힌 이온(trapped ions), 중성 원자에 이르기까지 여러 경쟁 기술이 있음을 주목합니다. 각 기술은 고유한 강점과 약점을 가지고 있으며, 어떤 기술이 지배할지는 판단하기에 너무 이릅니다. 중요한 것은 특정 유형의 기계가 무엇인가가 아니라, 그것이 기존의 과학적 컴퓨팅 생태계에 얼마나 잘 통합될 수 있느냐 하는 것입니다. 연구진은 양자 프로세서의 클록 속도가 현재 고전 컴퓨터보다 훨씬 느리며, 데이터가 두 시스템 사이에서 저장되고 이동하는 방식이 주요 장애물이라고 지적합니다. 이러한 엔지니어링 문제를 해결하는 것은 양자 알고리즘 자체를 개선하는 것만큼이나 중요합니다.

궁극적으로, 이 논문은 현실적인 전환을 위한 로드맵 역할을 합니다. 연구 분야가 양자 컴퓨터가 단순한 '장난감 문제(toy problem)'를 해결할 수 있음을 보여주는 고립된 시연에서 벗어나, 실제 과학적 질문을 해결하는 통합된 워크플로우로 나아가야 한다고 제안합니다. 양자 컴퓨팅의 가치는 과학적 예측의 오차 범위를 줄이는 능력으로 측정될 것입니다. 만약 양자 컴퓨터가 화학 반응이 얼마나 빨리 일어날지, 혹은 새로운 재료가 얼마나 안정적일지를 더 높은 확신을 가지고 말해줄 수 있다면, 그것은 실험실에서 자신의 자리를 확보하게 될 것입니다. 앞으로 갈 길은 멀고 기술은 여전히 성숙해가는 과정에 있지만, 나아갈 방향은 명확합니다. 바로 양자 컴퓨터와 고전 컴퓨터가 협력하여 물질 세계의 비밀을 풀어내는 공동의 미래입니다.