글로벌 양자컴퓨팅 개발 경쟁이 치열해지는 가운데, 양자와 인공지능(AI)의 결합한 ‘퀀텀AI’ 기술 경쟁도 달아오르고 있다. AI의 고질적 약점으로 지적되는 높은 전력 소모와 계산 효율의 한계를 보완할 수단으로 양자컴퓨터 기술이 고도화되면서다.
◇AI 경쟁, 양자 결합
정보기술(IT) 업계에 따르면 과학기술정보통신부와 정보통신기획평가원(IITP)은 지난달 24일 서울 용산 드래곤시티호텔에서 ‘퀀텀AI: 양자와 AI의 융합, 미래를 향한 새로운 연결’을 주제로 테크 콘서트를 열었다. 행사에는 구혁채 과기정통부 1차관과 콴델라코리아, IBM코리아 관계자 등이 참석해 퀀텀AI로 향하는 기술 개발 성과와 방향성을 공유했다.이날 발표자들은 양자컴퓨터가 고전 컴퓨터를 몰아내는게 아니라, 기존 방식으로는 접근하기 어려웠던 영역에서 두 컴퓨팅 방식이 협업하며 문제를 풀어가는 하이브리드 역량이 향후 AI 경쟁력을 좌우할 것이라고 강조했다. 박경덕 연세대 응용통계학과 교수는 “양자만으로 모든 것을 할 수 있을 것처럼 보이지만, 양자는 AI의 대체재가 아니다”며 “방대한 데이터에 기반한 특정 AI 연산 과정에서 양자컴퓨팅의 능력을 활용하는 퀀텀AI 시스템을 갖춰야 한다”고 말했다.
퀀텀AI의 대표적인 작동 방식 중 하나는 AI 모델이 양자칩에 계산을 수행하게 한 뒤, 양자칩이 결과를 다시 AI 쪽으로 돌려주면 이를 바탕으로 결과값을 조정하는 과정을 반복하는 것이다. 세부적으로는 ‘양자컴퓨팅을 위한 AI’와 ‘AI를 위한 양자컴퓨팅’으로 구성된다.
예컨대 AI는 양자컴퓨팅의 오류를 줄이고 보정 효율을 높이는 데 기여할 수 있다. 이우준 파스칼코리아 책임연구원은 “양자 오류 정정 알고리즘을 실행할 때 계산량이 방대해지는데, 이를 AI·머신러닝으로 보완할 수 있다”고 말했다.
각국 정부와 기업도 앞다퉈 관련 기술과 전략을 구체화하고 있다. 지난해 미국이 내놓은 초대형 과학 인프라 구축 전략인 ‘제네시스 미션’에도 기존 AI와 슈퍼컴퓨터에 양자 기술을 활용하는 내용이 명시됐다. 기업들도 하이브리드에 기반한 양자 로드맵을 내세우고 있다.
IBM은 지난해 ‘퀀텀-센트릭 슈퍼컴퓨터’ 전략을 내놨다. 양자프로세서(QPU) 단독이 아니라 기존 고성능컴퓨터(HPC)와 양자컴퓨터를 직접 연결해 하이브리드 워크플로우를 구현하겠다는 구상이다. 엔비디아도 최근 자사 오픈소스 양자컴퓨팅 플랫폼 ‘CUDA 퀀텀’에 슈퍼컴퓨터와 QPU를 연결한 양자-AI-HPC’ 구조를 표준으로 확립하겠다고 밝혔다.
◇“데이터·화학 등 산업 적용 확대”
글로벌 시장에서는 양자와 AI를 결합한 성과가 나오고 있다. 미·영 합작 양자컴퓨팅 기업 퀀티넘은 지난해 말 범용 상용 양자컴퓨터 ‘헬리오스’를 공개했다. 헬리오스는 양자컴퓨팅을 통해 생성한 ‘양자 생성 데이터’로 기존 생성형 AI 모델의 학습 효율을 높인다. 소재 설계·데이터 분석·양자화학 등 특정 산업군에 특화된 기술 개발을 지원하는 데 초점을 맞췄다. 퀀티넘은 엔비디아의 최신 GPU인 GB200을 활용해 헬리오스 기반 애플리케이션을 개발할 계획이다.양자와 AI 간 융합 연구 흐름은 기초연구 현장에서도 확인된다. 권태호 한국생명공학연구원 선임연구원은 이날 “AI와 양자는 상호 보완적 관계”라며 “양자컴퓨팅 기반 AI 신약 플랫폼은 가상 바이오 실험실과 결합해 후보물질 탐색과 설계 과정을 최적화할 수 있다”고 말했다.
통상 의약품 설계 시 질병 관련 표적에 대해 활성을 띠는 새로운 분자 구조를 찾아내면서 다른 부위에 미칠 부작용은 피해야 한다. 학계에 따르면 이 과정에서 적게는 100개에서 많게는 20만 개 이상의 화합물 후보를 발굴한다. 방대하고 정교한 계산이 필수다. 기존 컴퓨터에서 신뢰도 높은 AI 설계법을 만들고, 이후 양자컴퓨터로 계산을 수행하면 개발 기간을 대폭 단축할 수 있다.
지난해 네이처 바이오테크놀로지에 실린 KRAS 저해제 연구가 한 예다. KRAS는 세포 성장, 분열 신호를 조절하는 유전자다. 변이가 생기면 암세포가 자라고 퍼지는 데 관여한다.
연구진은 양자-AI 하이브리드 생성 모델을 활용해 KRAS를 억제하는 소분자 후보를 설계·선별하고, 실제 합성한 뒤 검증했다. 양자 생성 모델(QCBM)로 유망한 분자가 나올 확률 분포를 먼저 만들고, 이를 AI로 학습시켰다. 연구팀은 안정성 기준을 통과하는 후보 물질 비율이 기존 방식보다 21.5% 높아졌다고 보고했다.
최영총 기자 youngchoi@hankyung.com