Transcription
딱 지금 시기가 AI 시대에 2013년, 14년 빅테크들이 막 돈 투자하기 시작하고 뭔가 쓸 때가 나오고. 그래서, 어, 이거 심상치 않은데? 느낌이 역사의 흐름상 지금 알아야 되고 지금 투자해야 될 시기가 온 것 같은데, 많은 사람들이 아직까진 안 믿어 주겠지. 딱 이런 양자 같은 경우에는 안 그랬으면 좋겠다.
[음악]
>> 안녕하세요. 이호석입니다.
자, 오늘은 정지훈 박사님 모셨습니다. 안녕하세요.
>> 네, 안녕하세요.
>> 네. 정진 박사님을 저희 채널에서 이제 자주 뵙게 되는데, 아, 이게 또 오시면서 이 정지훈의 양자 컴퓨터 강의라는 책을 들고 오셨어요. 방금 전에 이제 발간된 거죠. 사실은 발간이 이 방송이 언제 나갈지 모르겠는데, 지금 촬영일 기준으로 내일 발간되는 책이니까 뜨겁 따끈따끈한 따끈따.
>> 발간되기 전에 받으셨어요.
>> 근데 이게 뭐냐면은 양자 컴퓨터를 또 이제 다루셨는데.
>> 그러니까 저희 채널에서 박사님이 나오셔서 얘기해 주신 내용들은 보통 보면 뭐 AI, 뭐 왼쪽이 많았고 반도체, 그리고 인텔, 삼성전자이 해 주셨고요.
>> 근데 이번엔 주제가 다릅니다. 양자 컴퓨터예요. 근데 양자 컴퓨터에 대해서 책을 쓰셔야 되겠다라고 생각하신 계기가 있을 것 같아요.
>> 네. 올해 초인데 이따가 제가 잠깐 설명드리면서 보여 드릴 건데요. 양자 컴퓨터 하면은 저도 한 작년까지만 하더라도 음, 어, 이거는 뭐 아직 오래 걸리지 않을까? 요런 생각을 굉장히 많이 하고 있었고요.
네. 그다음에 어, 여러분도 아마 다 기억하실 텐데 좀 테마가 와 가지고 한국분들 많이 사셨잖아요. 아이온큐 이런 데 특히 많이 사셨죠. 예. 그랬는데 아마 올초에 CES 할 때 대폭락 한번 맞으신 기억이 있을 거예요.
>> 그 젠슨이 한 마디 했.
>> 젠슨이 한 마디 했죠. 예. 그게 이제 그 유명한 그 그림인데, 이거 이제 이 그림 기억나시죠? 예. AI가 앞으로 퍼셉션 AI에서 제너로티브 AI 되고 뭐 피지컬 AI까지 이때 인키노트 하면서 얘기했던 거거든요. 근데 기자 회견에서 양자 컴퓨터 어떻게 생각하냐 그랬다가, 아, 그거 한 30년 걸리지 않겠냐? 이렇게 얘기를 해 가지고 박살이 났었던 기억이 아마 아실 거예요.
그 저도 사실은 하이, 아직 시간이 어떨까? 요런 생각을 되게 많이 하고 있었는데, 사실은 그날 그 바로 다음날 뭔 뭐가 있었냐면 제가 CES 사실은 가서 VIP 투워도 하고 뭐 그러잖아요. 그다음날에 CSS 퀀텀 월드 컨그레스하고 같이 열렸어요. 그 열리는 그 거에 이제 대표적으로 스폰서하고 나왔던 회사들이 아언큐, 뭐 마이크로소프트, 그리고 허니웰의 어떤 회사인데 컨티늄이라고 하는 회사 있거든요. 얘네들 CEO들이 딱 나왔는데 기자들 첫째문이 그거였죠. 아, 이거 젠슨이 저랬는데 어떻게 하냐? 그래서 아, 우리도 모르겠다. 아직 잘 몰라서 그러신 거 같은데, 막 이랬던 기억이 나실 거예요.
근데 올해 1월 달에 제가 그 네이처에 양자 컴퓨터에 이용해서 신약 개발하는 페이퍼를 하나 읽었어요. 아, 근데 그 내용을 읽어 보니까 와, 이거 진짜 제대로 쓰겠더라고요. 신약하는 것 같은 지금 비트코인을는 수천큐 뭐 이런 정도 필요한 게 아니고, 지금의 한 몇십 큐빗으로도 충분히 가능해요. 연구가 가능하고 쓸 수가 있어. 그래서 그 이야기는 쓸 때가 생겼다는 얘기고.
특히나 제가 뭐 이렇게 IT 얘기하고 반도체나 AI 얘기 기술 얘기를 많이 하지만 제가 본업 비교에도 어쨌든 의학을 했기 때문에.
>> 예. 의학을 했고.
>> 아니, 까도까도 나오지 않아. 그 원래는 또 의사했어요. 네.
>> 네. 그리고 제가 이제 아시는 분들 아시겠지만 눈이세 이제 최초 엔젤 투자자인데. 2016년 2월에 나간 스피 메디컬이라데 나간 논문이 있어요. 그게 이제 딥러닝 기술 CNN 기술 이용해서 결핵 진단하는 거거든요. 테스트엑스레이 의해서. 그게 세계 최초문이에요. 짐더링 이용해 가지고. 그래서 그렇게 되면서 루닛이 점점 점점 유명해졌었던 어 건데 딱 감이 오는 거죠.
아하. 딥러닝 같은 경우에도 가만히 생각을 해보시면 AI도 2012년부터 이 기술이 뜨기 시작을 했거든요. 그때 이제 그 일리아서케버가 지금은 이제 어 자기 회사 차렸지만 오픈 AI 공동자 중에 한 명이죠. 예. 그때 원래 제프린턴 교수님이라고 이 노벨상 타신 분이 딥러닝 기술 만드신 분, a 아버지라고 불리죠. 구글 AI 어 창립자 중에 한 분이시고, 여기 그 대학원생으로 있을 때 NBDI에 찾아가 가지고 GPU를 구해 와요. 그때.
그러면서 거기에다가 아, 이거는 연산할 수 있으니까 이만큼의 데이터 처리할 수 있을 거야라고 해서 집어넣어 가지고 만든 그 알고리즘이 딥러닝이고, 그때 AI의 태동이 시작이 된 거거든요.
>> 음. 2012년에.
>> 13년 전이네요.
>> 네. 그리고 2013년, 2014년 이 시기에 어 이제 구글이나 메타 같은 회사가 이걸 알아봐요. 알아보고서 어, 이거 될 거 같은데? 해 가지고 딥마인드 그때 투자를 2013년에 하거든요. 2013년에 딥마인드 투자하고, 그다음에 제프리턴 교수님하고 일리아 서치케브하고 어, 알렉스 크리제스키라고 세 명인데, 이 세 명을 통으로 그냥 수천억을 주고 데려와요. 스카웃이죠. 스카웃 사실상. 지금의 메타가 뭐.
그거를 이제 구글이 먼저 했죠. 그라는 조직을들어요. 내부에. 그렇게 해서 출발한 게 2013년, 14년에 벌어진 일이었고, 그때 메타는 페이스북일 때데, 페이스북이 얀느 교수라고 또 이제 3대 아버지 중에 한 분이라 부르는 얀 교수한테 가 가지고 페이스북 AI 리서치 만들어 달라고 해 가지고 그게 2013년, 14년이에요. 그러니까 빅테크들이 이제 감을 잡고 돈을 막 때려 붙기 시작을 한 시점이고, 그다음에 2016년에 알파고 나오거든요.
2016년에 알파하고. 저 같은 경우에는 이 그림이 딱 보이잖아요. 그림이 딱 보이니까 아니까.
>> 예. 그림이 딱 보이니까 2015년, 16년 이때 루닛하고 크라우드옥스 엔젤 투자했거든요. 그러니까.
2015년에 그러니까 그 소위 얘기하는 알파고 사건 이전이에요. 대한민국 제가 그때 삼성전자 어드바이저 하던 시절인데, 삼성전자에도 얘기 많이 했었고 우리나라 큰 회사고도 얘기 많이 했으니까 얘기 많이 했는데, 다들 글쎄, 이게 될까? 뭐 이런 느낌이었어. 예. 그랬는데 딱 보니까 이게 감이 어, 빅테크들은 투자하기 시작했고 쓸 때는 보이고 어디다 쓸 때가 보이잖아요. 페이퍼도 쓰고 하니까.
아, 그러면 지금 사람들이 모를 때 초기 투자해야 되겠다라고 해서 2010 15년, 16년에 투자한 회사가 루닛하고 크라우드워스고, 각각 7년 지나서 그러니까 2022년과 2023년에 상장을 했죠. 상장을 했고 이 분야에서는 국내에서 제일 잘하는 회사고 세계적으로도 좋은 회사가 됐잖아요.
>> 그렇죠. 딱 그 느낌인 거야. 딱 지금 시기가 AI 시대에 2013년, 14년 빅테크들이 막 돈 투자하기 시작하고, 그다음에 어, 이 뭔가 쓸 때가 나오고, 어, 그래서 어, 이거 이.
>> 심상치 않은데? 느낌이 이걸 역사의 흐름상.
>> 지금 알아야 되고 지금 투자해야 될 시기가 온 것 같은데 많은 사람들이 아직까진 안 믿어 주겠지. 아, 그런 생각으로 일단 일단 써 놓으면.
>> 일단 써 놓으면 이게 기준으로 보면은 2010, 지금 2013년이라고 한다면 한 2, 3년, 그러니까 AI 흐름이라면 2, 3년 정도 후면은 알파 같은 게 하나 딱 나와 갖고.
>> 야, 이게 양자 컴퓨터 이렇게 나가고, 그다음에 이제 그 나오기 전부터 준비를 하고 있던 누군가는 기업을 만들어서 필요한 것들을 만들어 내고 있을 거고. 어, 양자 컴퓨터를 이용해서 몸을 이런 것도 할 수 있습니다라는 것도 보여줄 줄 거고, 그런 세상이 올 거라는 거네요.
>> 네. 그래서 되게 중요한 뉴스가 또 그 사이에 나와서 이 따끈따끈한 뉴스를 하나 가지고 왔어요. 아마 엔비디아 관련된 것들 체크하시는 분들은 아마 아실 내용일 것 같은데. 최근에 9월 4일자죠. 9월 4일에.
허니웰이라는 회사가 있어요. 허니웰 아세요, 혹시?
>> 어, 들어오는 말씀.
>> 들어보셨죠? 예. 포대니까 아마 많이 들어보셨을 건데, 한국에서는 사실은 금성사 옛날 LG가 금성일 때 금성 헌니웰이라고 해 가지고 여기가 산업용 그 컴퓨팅 쪽 세계 1위하는 회사 중에 하나거든요. 공장에 플랜트에 깔리는 그런 거죠. 그리고 옛날에 이제 중형 컴퓨터 이런 것도 직접 만들었던 회사고, 뭐 PC 쪽에 굉장히 유명한 회사인데, 허니웰이 또 이제 IBM처럼 오랫동안 리서치를 하는 그런 게 좀 있어요. 그래서 양자 컴퓨터를 원래 좀 만들었던 회사 중에 하나였거든요, 허니웰이.
근데 이제 허니웰의 컨티늄이라고, 허니웰이 이제 변경해서 만든 자회사들 중에 변경해서 만든 회사가 하나 있는데, 양자 컴퓨터 플랫폼 회사거든요. 이 회사에 엔비디아가 어, 10빌리언 가치니까 얼마입니까? 14조 원, 14조 정도 되죠. 14조 정도 가치로 엔비디아가 투자를 크게 했어요, 이번에. 아.
>> 근데 이게 아까 얘기드린 것 같이 올해 1월 달까지만 하더라도 덴스랑이 아, 양자 컴퓨터 30년 뭐 이렇게 얘기했었는데. 최근 들어 가지고 양자 컴퓨터 관련된 플랫폼도 발표하고 있고, 그러면서 여기에 이제 15조, 14조 규모로 투자를 했잖아요. 이 이야기는 엔비디아도 생각이 바뀌었다는 얘기예요. 음. 음. 빅테크 이미 구글과 마이크로소프트, 그다음에 아마존 등등은 다 뛰어들었거든요. 다 뛰어들었고. 그러니까 딱 2013년에 막 13년, 14년에 빅테크들 돈 투자할 때 있잖아요. 네네. 그때랑 지금 느낌이 되게 비슷하다. 예. 6개월 만에 생각이 되게 많이 바뀌었는데.
>> 그러게요. 규모관이 작지 않을 것 같거든요. 그리고 이제 플랫폼 회사라는 측면에서 이제 엔비디아가 군침을 흘릴 만한 포인트도 있었을 거고요. 네. 네.
>> 그래서 사실은 그 엔비디아가 왜 투자했을까? 두 가지로 해석을 할 수가 있는데, 하나는 컨티늄이 원래는 양자 컴퓨터를 만들긴 하는데, 전 개인적으로 그 허니웰의 양자 컴퓨터 만드는 기술에 반해서 투자했을 거라 생각하진 않아요. 그게 아니고 컨티뉴움이 그 캠브리지 퀀텀 컴퓨팅 CQC라고 우리가 부르는데, 이 회사를 2021년에 합병했거든요. 근데 이 회사가 소프트어 부분에서 가장 강력한 양자 소프트웨어 쪽 기술을 갖고 있는 회사예요.
>> 아, 소프트웨어.
>> 소프트웨어. 플자 소프트웨어네요. 네.
>> 네. 티키시라고 되게 유명한 저게 이제 개발 플랫폼이거든요. 이걸 갖고 있고 컴파일러도 갖고 있고, 아무나 사이버 보완도 해요, 얘네들이.
>> 그 제 생각에는.
>> 얘를 산 거구나. 이걸 산 거 같아요. 이거를. 이거를 병합을 하고. 또 한 가지 중요한 게 이제 저희가 양자 컴퓨터 할 때 저는 이제 참고로 우리나라에서는 양자 퀀터 메이저 서비스를 양자 컴퓨터를 플랫폼으로 제공하는 스타트업 어드바이저를 하고 있거든요. 이때 잠깐 설명드리겠죠. 노르마라고 한국에서 되게 잘하는 회사예요. 뭐 상장 회사는 아니니까. 음.
근데 이 회사 같은 경우에도 소프트웨어 플랫폼을 제공을 해요. 그러니까 컴퓨터 자체도 하지만 그 어떻게 쓸 수 있을지 만드는 것이 굉장히 중요하거든요. 근데 이제 그러다 보니까 여러 가지 이야기들을 듣게 되는데, 지금 수급이 안 맞는데요.
>> 수급이 안 맞는데.
>> 예. 그러니까 한마디로 양자 컴퓨터를 쓰려고 하는 수요가 대충 공급 수요에 10배가 넘어간다 그러더라고요. 그래서 저도 그 진짜가 해 가지고 아마존이나 마이크로소프트 에저나 이런 데 들어가 가지고 양자 컴퓨터 신청해서 쓸 수 있거든요. 양자 컴퓨터 신청해서 쓰려고 하면 이렇게 어디다 쓸 거고, 언제 쓸 거고, 막 이렇게 해 가지고 신청서를 내야 돼요. 뭐 이렇게 바로 쓸 수 있는 게 아니에요. 신청서를 내 가지고 언제 몇 시 몇 시부터 몇 시까지 쓸 수 있습니다고 지금 받는 거거든요. 일주일 기다려야 돼요.
>> 음. 일주일에 기다려야 되고 그때 막서야 되는 거죠. 네.
>> 근데 이제 비디아가 관심 가진 것 중에 하나가 지금 그 양자 컴퓨터를 실제로 돌려봐야 되긴 하는데, 양자 컴퓨터를 GPU를 이용해서 약간 시뮬레이션 비슷하게 할 수 있거든요. 비효율적이긴 하지만 시뮬레이션 비슷하게 할 수 있어요. 그럼 이제 양자 컴퓨터 쓰는 거는 한정돼 있으니까 시뮬레이션을 먼저 돌려 가지고 프로그램을 대충 완성을 해 놔요.
>> 아.
>> 그리고 나서 들어가요. 아니, 그러니까 들어가는데 비싸고 할 테니까 미리 좀 해 놓을 거 있으면 다 준비한다면 돌려보고, 야, 이거 이렇게 되니까 진짜로 어, 진짜로 뭐가 나오나 보자 해 가지고 그때 들어가 가지고 하거든요. 그 수요가 이렇게 늘어나니까 엔비디아는 또 이 감이 빠르잖아요. 어, 1월 달만 하더라도 뭐 이럴까 그랬는데, GPU 갖고 막 이렇게 돌려 가지고 하는 수요 나오고 뭐 이러니까 어, 이거 제대로 해야 되겠는데? 뭐 이런 느낌이 된 거죠.
네, 그렇군요. 그래서 엔비디아의 생각마저 바꿔 버린 양자 컴퓨터의 어, 실존에 대한 이야기를 했고, 그 내용을 이제 저도 어, 이제 추천사를 쓰긴 했는데, 아, 이게 저는 이런 거 같아요. 이게 양자 컴퓨터 하면 일단 그냥 아, 뭐 어려워요. 너무. 그래서 어려워서 이 문턱을 낮춰야지 사람들이 이해하게 되거든요. 그래, 그런 측면에서 보면 너무 중요한 개념 아닌가? 그래서 이게 이제 어떤 변화를 만들어줄지 또 여러분 잘 아시겠지만 또 이제 어정 대표님이 또 투자에도 관심이 많으셔 가지고. 네네.
>> 그냥 그냥 한 건 이제 우리 공부하려고 공부 책이 아니에요. 이거는 투자에 어떻게 연결되는지가 들어 있기 때문에 진짜 같이 있는 책 아닌가? 여러분들에게도 그런 생각이 좀 드는데, 좀 더 이제 배워 볼까요? 그래도 양자 컴퓨터에 대해서 그래도 이 정도는 알아야 된다. 어, 이런 내용들.
>> 네. 사실 양재 컴퓨터의 원리라든지 어떻게 된다는 거는 물리학 쪽에 가까운 게 되게 많고, 이 부분은 다른 책들도 많이 있을 거예요. 근데 이제 제 이 책을 쓰게 된 계기도, 아, 이렇게 아Q 진짜 투자 많이 하셨잖아요, 한국분들. 한국 사람들이 이렇게 투자 많이 하는데 좀 알고 투자해야 되지 않을까? 근데 그게 무슨 연구자로서 무슨 그 개발자로서 투자하는 게 아니잖아요. 예. 그러면 그 정도 수준만 알면 되죠. 투자자면 되겠다는 수준으로 그냥 정리를 했다.
그리고 앞으로 한 저는 세 단계 정도로 보고 있거든요. 어떻게 흘러갈지가 세 단계 정도의 그 관심을 가지고 봐야 될 산업이라든지 어떤 변화가 나타날지 그것만 충분히 이해하면 된다라고 생각을 합니다.
>> 그래도 뭔지는 알아야 되잖아. 기본은 알아야 되잖아요. 기본 몇 개 어디 있는지는 알아야지 지금.
>> 네. 기본만 그냥 몇 가지 얘기를 드리면은. 기존 컴퓨터는 비트로 이루어져 있잖아요. 그 비트를 양자 비트, 퀀텀 비트로 치환하는 거다라고만 생각을 하시면 돼요. 비트는 근데 0과 1로 돼 있거든요. 그러니까 딱 정해져 있어. 0 1 0안면 1이야.
이걸로 딱 정해져 있는데 양자 컴퓨터는 양자, 그 양자 역학에 제일 신기한 형사 중에 하나죠. 중첩이란 얘기 들어보셨죠? 예. 수퍼 포지션이라고 부르는데, 0과 1이 중첩돼 있어요. 그래서 이게 저는 이제 회전하는 팽이하고도 되게 비슷하다고 생각하는데, 얘가 쓰러지면 어느 방향으로 쓰러지는지 잘 모르잖아요. 예. 근데 도는 동안은 어느 방향으로 쓰러지거나 이제서 있거나 쓰러져 있거나, 도는 동안은 언제쯤 쓰러질지도 모르고, 이게 딱 그게 확률적으로 분포하는 상태로 있지 않습니까? 이제 그거를 중첩이라고 하는데, 그거를 이제 표현하는 게 요런 구로 표현을 해요. 예. 그래서 북극과 남국을 0과 1 블록스피어라고 부르는 건데, 0과 1로 표현을 하고 9의 표면에 좌표가 큐비T의 중첩 상태를 표현하는 거예요. 그래서 약간 복잡해요. 복잡해서 이거를 다 이해를 하려면 이게 복소 공간인데 수학으로 표현해야 되거든요. 그래서 저 꺾세가 이렇게 해서 이렇게 돼 있죠. 네. 네. 그 중첩돼 있는 걸 표현하기 위한 형태라고 생각을 하시면 되고.
>> 근데 그냥 일반인들은.
>> 0과 1이 확률적으로 존재해서 얼로 갈지 모른다. 근데 그거를 표현하는 방식이다. 그리고 언제 결정돼? 관찰할 때 결정돼.
>> 관찰하면 결정되. 관찰하기 전까지는 어딘지 몰라.
>> 네. 그래서 제일 그 비유 많이 하는 게 슈레딩거의 고양이 비유 많이 하죠. 고양이가 살았는지 죽었는지는 열어보기 전에 모른다.
>> 아.
>> 얘는 살아 있거나 죽어 있거나, 그 박스 자체를 보면 살아 있거나 죽어 있거나 같이 있는 거잖아요. 예. 그 상태하고 비슷한 거죠. 그러니까 이제 사실 이제 고향이 그러면 이제 큰 거라서 양자의 그 역할은 이제 작은 데서 일어나니까 눈에 보이지도 않는데, 0 아니면 일이라고 어, 0도 아닌데 일도.
>> 아니고. 네.
>> 그런 뭐한 뭐 중첩된 상태. 뭐, 아, 뭐 설명도 못 한대. 설명하면 그 또 양자 역할 아니라. 아, 어쨌든 안 했어. 그래, 복잡한데 어, 중요한 거는 여러분이 기억하셔야 된 게 B트가 아니고 큐비트다. 그것까지만 좀 일단 알고.
>> 네. 그게 첫 번째.
>> 그다음에 이제 비트 하나 가지고 뭐 할 수가 없어요. 예. 그런데 양자역하게 또 하나의 신비 중에 하나, 인텐글먼트 얼킴이란 현상에서 얽힘. 이.
>> 얼킴이 참 골때리. 이것도 이해하기 되게 어려운데. 아무리 멀리 떨어져 있는 입자라 할지라도 두 개가 얽힘 상태가 되면 두 개의 큐비트가 얽힘 상태가 되잖아요. 그러면 한쪽의 변화가 다른 쪽 변화를 그대로 동시에 유도해요. 그래서 한쌍의 장갑이나 양말하고 또 비슷하다고 생각을 하는데, 그래서 이건 양자 통신하고도 관계돼 있거든요. 빛보다 빠른 통신 이런 거 얘기 들어보셨죠? 예. 이렇게 그 비트 하나 연는 게 아니라 여러 개의 비트를 시산할 수 있게 되기도 하고, 그러기 때문에 이게 되게 중요하고요. 이게 이제 그 유럽에 있는 앨리스가 미국에 있는 밥하고 어, 멀리 떨어져 있으면 톨레파시처럼 이게 통하는 것처럼 그런 느낌처럼 이렇게 연결이 돼. 얽혀 있으면 어, 양자끼리 서로 영향을 준다.
>> 그렇죠. 한쪽 상태가 변하면 다른 상태가 변해요. 그게 시간을 두고 변하는 게 아니라 동시에 변하. 동시에 변하니까 동시에 변하면은 속도가 무한되잖아요.
>> 그러네요.
>> 빛의 속도보다 빠르거든요.
>> 그러니까 이게 상상이 잘 안.
>> 되진.
>> 진짜 신기하죠. 예. 그래서 우주 통신 같은 거에 이거 쓰려고 하는 게 이제 나오는 게 그래서 그렇고요. 네.
마지막이 이거는 이제 보통은 중첩하고 얽힘 정도는 양자 역학에서 많이 얘기를 하는데, 우리 이제 알고리즘 양자 컴퓨터 알고리즘 할 때는 이 퀀텀 인터런스라고 양자 간섭도 되게 중요해요. 양자 간섭은 양자가 파동이어서 그래요.
>> 음.
>> 파동이잖아요. 그러면은 파동들은 이렇게 물결이 치면은 물결이 여러 개가 만나면 골과 고리 만나는 건 깊어지고 이렇게 어, 언덕 있는 건 더 높아지잖아요. 만약에 두 개가 상쇄하면 잔잔해져 버려요. 음. 음. 그래서 이 두 개를 약간 이렇게 물결치듯이 반복하면 반복할처럼 어떤 어떤 쪽으로 수렴해 가는 특징을 갖고 있거든요. 그래서 이거를 활용을 하면은 이런 그 파동적인 거를 활용을 하면은 우리가 원하는 답이 뭔지를 알아갈 수 있어요.
>> 아하. 아.
>> 그래서 그때 관찰할 때 그 답은 알 수 있게 되는 건데, 그러니까 명확한 답이 있는 건 아니지만 이 양자 관서 편상을 이용해 가지고 알고리즘을 싸면은 시뮬레이션을 돌리다가 관찰할 때 거의 90% 막륜 확률로 답을 얻을 수 있다. 이렇게 얘기하죠. 예를 들자면.
>> 그런 특징 때문에 이제 양자 간섭까지 보통 이 세 가지 정도 얘기를 해. 보통.
>> 하여튼 요거는 뭐 이해하신 분도 있겠지만 아, 나 이해 못 한다. 그래도 괜찮아요. 일단 아시는 분은 아시고요. 네.
>> 네. 네. 그거는 이제 다른 그 관련된 책 많이 읽으시면 되고, 저희 책에서도 간단히 설명 해 놨는데. 네. 그 정도만 아시면 될 거 같고, 더 중요한 거는 정보 처리 방식 차이가 나기 때문에 기존 컴퓨터가 못 하는 일을 해결한다는 게 중요해요.
>> 그렇죠. 그러니까 쓸모가 있는 거지. 관심이 있는 거고.
>> 그죠. 기존 컴퓨터는 결국에는 알고리즘이 순차적으로 이렇게 진행되는 거거든요. 한 번에 하나씩 차례 차례 차례 차례 차례 해요. 그래서 여기 이제 열쇠 그림을 가지고 왔는데, 예를 들어 내가 열쇠가 되게 많아. 근데 이 열쇠에 이 자문쇠가 뭐가 맞는지 몰라. 그럼 이제 이거로 열어보고, 이거로 열어보고, 이거로 열어보고 이래야.
>> 좋면 빠를 수 있지만. 네네.
>> 그게 이제 그 기존 컴퓨터가 하는 방식이에요. 이제 보통은 뭐 저걸 저저러니까 이제 클락스가 올라가면.
>> 넣다 빼탕 넣다 빼다를 빨리 하는 애가 빠르잖아요.
>> 예. 그래서 그런 거 그 뭐 몇 기Hz, 몇 기hzh치 올라가는 거 있죠? 그래서 그거 빠른 게 좋다고 하는 건 저것 때문에 그래요.
>> 아하. 이해가.
>> 계산을 빨리 해야 되니까.
>> 네네. 근데 이제 이제 우리 그 병렬 컴퓨팅이란 게 있어요. 이 병렬 컴퓨팅이라고 하는 게 사실은 지금 GPU가 하는 게 이 병렬 컴퓨팅에 관련된 건데, 이 병렬 컴퓨팅 같은 경우에는 사실은 이 열쇠 자물쇠가 되게 여러 개가 있는 거예요. 근데 키하고 맞는 수만큼 있어 갖고 동시에 넣어서 돌려보는 뭐 이런 방법으로 하는 거예요. 그러면 좋은 점은 아무래도 이제 그 차선을 얼마나 늘리냐에 따라 가지고 지금 그래서 HBM이라든지 이런 것들이 되게 중요한 이유도 요런 거를 지원하기 편해서 그런는데, 이 대역폭이라고 부르거든요. 그다음에 코스가 코어라 그러죠. 이렇게 몇 코, 몇 코에서 지표는 그 코어가 되게 많은 거거든요. 그걸 많이 넣어 놓으면 그 숫자만큼 넣어서 할 수 있으니까 좀 병목 현상이 해결이 되죠. 이게 이게 병력 컴퓨팅.
>> GPU가 하는 방식이에요.
>> 근데 양사 컴퓨터는 어떻게 돼 있냐면은 박스 안에 키랑 자문세가 동시에 여러 개가 그냥 동시에 존재해 갖고 얘가 한꺼번에 처리를 할 수 있게 되는 거야.
>> 예. 그러면은 이게 뭐가 장점이냐면 시간적으로는 병경 컴퓨팅하고 약간 비슷한 측면이 있는데, 리소스가 훨씬 적게 들어가거든요.
>> 그러네요.
>> GPU는 뭘 많이 늘려서 만들어야 되니까 왕창왕창 늘려 만들어 놔야 되잖아요. 그러니까 좀 예를 들어 자물쇠도 왕창 필요하고 열쇠도 왕창 필요하고 그걸 다 처 처리할 수 있는 이걸 다 처리해야 되니까. 근데 이거는 이 중첩처럼 중첩 생각하시면은 구멍 열쇠도 하나, 그다음에 자문세도 하난데, 구멍과 열쇠의 종류가 여러 개가 동시에 있는 거야.
>> 동시에.
>> 그렇게 생각하시면 돼요. 상상이 안 되시겠지만. 근데 뭔가 어쨌든 그냥 하나씩 해 가지고 줄서 가지고 하는 것도 아니고, 가같이 하는 것도 아닌 중간에 어떤 뭔가 이런 느낌인데요. 훨씬 빠르고.
>> 한계 한개데 동시에.
>> 어, 그렇죠. 한 개 동시에.
>> 예, 한 개 동시에.
>> 다르게 또.
>> 예예. 그런 느낌이에요.
>> 이게 가능하다는 거죠.
>> 그렇죠. 근데 이게 되게 재밌어요. 이 역사적으로 저는 이게 양자 컴퓨터는 역사 공부에서 참 많은 걸 느끼게 만들거든요.
>> 대단하신 분들이 진짜 많은 거 같아요.
>> 야, 양세 컴퓨터의 이런적 포대는 1980년대에 베니오프라 분이 제일 처음 만들었고요. 더 유명한 건 리차드 파인만이라고 물리가잖아요. 이분의 1982년인가? 어. 양자 컴퓨터의 이론적 토대에 대한 서포트를 해요. 뭐라 그랬냐면 지금 현대 이때 이제 컴퓨터 나올 때니까.
>> 네. 네. 네.
>> 지금 현대의 컴퓨터는 뭔가 자연 자연의 시뮬레이션이나 과하게 쓰기에 부적합한 거 같아. 요렇게 얘기를 하시거든요.
>> 아, 그때도.
>> 네. 네. 왜냐하면 자연은 그렇게 돌아가지 않아. 아, 맞아요. 예. 이 양자 양자 역학 같은 거 보면은 우리의 이런 걸 풀어내는 데는 양자 같은 그 자연 현상 같은 걸 풀어낼 때는 뭔가 이런 양자 현상을 이용한 컴퓨터가 됐을 때 제대로 풀어낼 수 있을 거야라고 얘기를 하시거든.
>> 그러니까 이제 뉴턴 역학에서 양자 역학으로 물리학은 하 전에 바뀌었잖아요. 근데 이제 컴퓨터는 못 날아가는 거죠.
>> 그렇죠. 사실은 지금 컴퓨터는 지금 말씀하시 뉴턴 역학적이죠. 네.
그러다가 이 아, 아이디어는 좋은데 이거를 사실은 어, 쓸지 잘 모르잖아요. 근데 개념은 있었으니까 아까 중첩이라든지 이게 이 사고 실험을 하시니까 중첩이니, 얼킴이니, 뭐 양자 간섭이니, 파독이니까 이런 건 이론적으로 셀업을 할 수 있잖아요. 이런 게 있을 거야. 여기까지가 이제 베니오프와 파인만이 한 거고.
1994년에 굉장히 위대한 알고리즘이 MITS 등장을 합니다. 쇼라는 사람이 쇼 쇼와 알고리즘 얘기 한 번쯤 들어보셨을 거예요. 예. 저희 얘기하는 비트코인이 뭐 암호 관련된 거 다 깨는 거 얘기할 때마다 나온 알고리즘인데. 이것도 컴퓨터가 없을 때 한 거거든요.
>> 아.
>> 컴퓨터 없을 때. 소인수분에 이제 이걸 풀어내는 방식인데.
>> 음.
>> 베니오프와 파인만에는 이제 이론적 토대만 마련했다면, 이분이 어, 저게 이론적으로 이렇다면 이런 알고리즘을 쓰게 되면 암호 깰 수 있을 것 같아라고 해서 알고리즘을 이렇게 손으로 해 가지고 개념적으로 정리를 해요. 컴퓨터도 없는데. 음.
>> 예. 그렇게 대단하신 분들 많아요, 세상에. 그래서 저게 처음 나오면서 어.
>> 그러면 이제 드디어 이게 만드는 사람 입장에서는 그냥 이론만 있을 때에는 과학자들이 이거 어디다 쓰지? 이러 이러는데, 이게 알고리즘이 개념적으로 나왔으니까 그러면 이걸 만들게 되면 나중에 암호 깰 수 있겠네.
>> 아, 그렇죠.
>> 일단 그거부터 생각해. 알고리즘이 나왔으니까 암호는 알고리즘을 할 수 있겠네. 그럼 만들어 볼까? 이렇게 되죠. 음.
>> 그래서 그때부터 이제 양세 컴퓨터 구현하는 연구가 시작이 돼요. 그래서 최초에 이큐비트짜리 양 컴퓨터가 제일 처음 제일 먼저 나왔는데, 이큐비트짜리 알고 저 양자 컴퓨터 나온 게 1998년에 나와요. 음.
그리고 이때 이제 IBM이 제일 열심히 했습니다. 초기에는 IBM 혼자 했었거든요. IBM이 하고, 그다음에 아마 요즘에 이제 상장해 가지고 가끔 주가가 많이 뛰어 가지고 잘 아실 텐데, 디웨이브라는 회사가 있어요. 디웨이브 컴퓨팅 퀀텀 컴퓨팅인가? 디웨이브 퀀텀 컴퓨팅이라이 회사가 상형 버전 한 몇 큐 2큐빗인가 이걸 제일 처음 만들어요. 초전도 방식으로. 그러면서 어, 만들 수 있구나.
요렇게 되면서 그때 이제 구글이 뛰어들죠. 음. 음. 구글이 들어가 가지고 좀 제대로 만들어보자 해서 2019년에 한번 큰 난리가 났어요. 이게 그 시카모라고 하는 53큐B짜리 구글이 만든 양자 컴퓨터가 뭐 수백만 년, 수조년 걸리는 문제를 몇 분 만에 풀었다. 뭐 이런 아마 뉴스 보셨을 거예요. 그거를 하면서 오, 이거 이게 뭐야? 불가한 이런 것들을 풀어낸다고? 뭐 이런 식의 것들을 주장을 하게 되면서 이제 조금씩 불이 붙기 시작을 해요. 그러니까 그때 그때부터는 이제 플레이어가 늘어나죠. 이제 돈이 될 것 같으니까 돈도 좀 들어오기 시작하고, IBM에서 시작했던 팀들이 나와 가지고 뭐 회사도 만들고 내려가면서 회사들이 점점 늘어나기 시작하거든요. 그래서 2020년 넘어가면 이제 IBM, 구글, 뭐 리게티 컴퓨팅, 뭐 지금 우리 상장 돼 있죠. 여기는 컨티늄, 뭐 이런 회사들이 등장을 하면서 큐비트 경쟁이 가속화되고 지금 현재까지 일을 얻다 크.
>> 이렇게 보시면 돼요. 역사.
>> 이런 역사적인 배경이 또 있네요. 네. 네. 네.
>> 그래서 이걸 정리를 하면 이래요. 아이디어의 탄생이 1980년대에 이루어지기 시작을 했고, 이론에서 현실로 양자 컴퓨팅의 실질적인 구형과 알고리즘 개발이 된 게 1990년대부터 90년대 말 요렇게 된 거고, 2000년대 들어가면서 실용화를 향한 경주가 다양한 큐비트 기술, 아, 이거 초전도 방식으로 한 건 너무 비효율적이니까 이원 트랩 방식으로도 해보자, 중성원자 방식으로도 해보자, 뭐 광자 방식으로도 해보자, 뭐 이렇게 해 가지고 여러 기술을 이용해서 만드는 지금 경제음 을하고 있는 거고. 현재 단계는 큐비트 수가 수십큐빗에서 수백큐빗 넘어가는 단계거든요, 지금.
그게 옛날보다 훨씬 빠르게 늘고 있고, 오류 수정인 기술이 되게 좋아졌어요. 그러니까 오류 수정이 되니까 지금 막 쓰일 때가 나오기 시작했어. 지금 단계가 딱 2단계인데, 2단계가 폭발적인 발전 단계라고 보거든요. 그리고 나서 실용화가 되기 시작을 하고 인프라로 깔리기 시작하면 그냥 과거하고 다른 세계 되는 거죠.
>> 음. 그래서 개인적으로는 이것도 역시 마찬가지로 세 가지 형태로 봐야 된다고 생각을 해요. 일단 딥러닝도 그랬지만 AI도 엔비디아 GPU가 없었으면 시작이 안 됐죠.
>> 그렇죠?
>> 예. 하드웨어가 없으면 어, 이게 뭐하고 비슷하냐면 제프리턴 교수님이 그 딥러닝의 그 MLP 알고리즘 처음 만든 논문이 1980년대 나왔거든요.
>> 80년대.
>> 네. 성경 80몇 년이에요. 네.
>> 그랬는데 그게 그 실현돼서 사람들한테 거짓말이 아님을 증명한 시기가 2012년이라고 보면 거의 30년을 거짓말 쟁의로 살았단 말이에요.
>> 그러네요.
>> 예. 근데 그럼 그거를 이끌어낸 가장 중요한 그 계기는 뭐였냐? 엔비디아 지였잖아.
>> 계산해 보니까.
>> 계산이 돼야 되는 거니까 계산 양이 많이 필요한데 하드웨어가 못 받쳐 준 거야. 그러니까 아무리 이론이 있어도 하드웨어 나오면 못 가거든요. 예. 그래서 이제 그 엔비디아 GPU가 되게 중요한 역할을 한 거와 마찬가지로 어, 퀀텀도 되려면 이론이야 뭐 1980년 비슷하잖아요. 1980년대 어, 나온 건데 실제 하드웨어가 제대로 돌아가는 게 나와서 공급이 돼야 될 거 아니야. 그러니까 하드웨어 일단 중요하죠. 첫 번째 기둥 하드웨어.
두 번째는 하드웨어만 있으면 돌릴 수 있는 게 없잖아. 어다 어다 쓰는 물건 인고해 가지고 쓰는 알고리즘이 나와야 되는데, 아까 쇼 알고리즘도 그렇지만 뭐 그 인프라 쿠다 같은 거 나와야 되고 뭐 이래야 되잖아요. 그런 소프트웨어하고 알고리즘 관련된 파트가 또 하나의 큰 기둥이고.
그다음에 세 번째는 하드웨어 소프트웨어 있으야지 진짜 쓰는 데가 나와야 되잖아요. 그래서 응용하고 서비스까지 이렇게 세 개로 나눠 볼 수가 있어요. 순서는 하드웨어 이렇게 소프트 용어 소프트웨어 응용 이렇게 가겠죠. 예. 그런데 이게 각각이 있어야지 이제 돌아간다 이렇게 보시면 됩니다.
>> 그렇네. 그래서 기회 요인은 어마무시하게 커요, 지금.
>> 기회인는 진짜 어마무시하게 크다고 얘기하는 게 뭐냐면 사실상 지금 우리가 알고 있는 모든 컴퓨팅 인프라를 다 바꿔야 될 정도.
>> 아, 위협이라고 해야 되나?
>> 위협과 기.
>> 위협과 기가 다 될 수 있네.
>> 그 기존에 지금 컴퓨팅 어, 비즈니스, 그러니까 서비스로 하고 있는 서비스를 하고 있는 어, 회사들이나 이런 입장에서는 굉장히 큰 위협이죠.
>> 그렇죠. 예. 그런 면에 그렇지만 이제 새로 하는 입장에서는 어마어마하게 큰 기회잖아요. 이제 리스크도 있어요. 지금 회 하고 있는 회사들의 리스크를 보면은 아직 쓸 수 있는 제대로 된 알고리즘 수가 많지 않아요. 지금 한 1억 정도가 제일 유명하거든요. 네, 다섯 개. 그런 것들은 딱 쓸모들이 많이 정해지고 있지만 아직까지 소프트웨어 쪽이 아니어가 있어요. 소프트웨어 개발하지. 예. 그러니까 이게 아직 좀 부족하고.
네. 그다음에 지금 거의 퀀텀 컴퓨터 대부분은 지금 초전도 방식으로 만들어지는데, 초전도 방식으로 만들려면 절대 용도 가깝게 내려야 되거든요.
>> 엄청 이제 온도가 낮아야죠. 그러니까 270도.
>> 사람들이 잘못 알고 있는 게 그 큐비트 만들어진 그 양자 컴퓨터 칩 있잖아요. 그 양자 컴퓨터의 칩이 어마어마하게 큰 줄 아는데, 그게 아니고 그 리게틴이 이런 회사 컴퓨터 뭐 있따만 하잖아요. 예. 근데 그거 사실 냉장고거든요.
>> 아, 창들리라.
>> 용도를 낮게 유지하기 위한 거.
>> 맞아요. 절대 영도까지 내리기 위해서 이렇게 해서 요렇게 내려가 가지고 이거 끄트리에 달린 거거든요. 그러니까 그거 조그만 데서 이제 계산되거든요. 네. 근데 요거 조그만 데 계산하는 큐비트 하나 하겠다고 만한 거 붙인단 말이에요. 그러니까 이거는.
>> 아, 이거 절대용도 맞추려고 너무 좀 그런데? 이런 느낌이 좀 들죠. 약간 그 옛날에 그.
>> 진공. 예, 맞아요.
>> 진공 애니학 보면 막 컴퓨터 하나데 막 엄청 크잖아요. 거기서 공간 하나 해 가지고. 그때 그 저는 그 에피소드 중에 하나가 그 진공간이 이제 불빛이니까 버그가 그렇게 많았다고 벌레가. 그래서 디버깅한다는 게 그 얘기 어, 진짜 버그 잡는 거라고. 불빛을 보고 들어가 있는 벌레 잡으러 들어가. 많은 게 이제 디버. 요새 보면 디버그 왜? 아, 그게 거기서부터 시작된 거인 것처럼 지금도 양자 컴퓨터는 어마어마한 큰 데서 지금 이제 뭐가 진행되고 있는 이유는 절대 영도 때문이라는 거죠. 맞.
네. 그리고 외부 간섭 뭐 이런 거, 이런 것들인데, 그런 것들이 들어가게 되면은 아무래도 이게 불확실 불확실해지기 때문에 에러가 난단 말이에요. 에러가 중첩이 되면 그럼 믿을 수가 없게 돼요. 예. 그래서 이 부분에 대한 부분들에서 큐비트가 또 왔다 갔다 같은 컴퓨터를 만들었는데도 뭔가 잘못된 답이 나올 수도 있고 막 이렇거든요. 그런 부분. 그다음에 큐비트의 그 사이즈가 크다 보니까 이거를 1천큐, 만큐빗 이렇게 만들어야지 제대로 쓰일 거라 생각하니까 그러면은 그 정도 만들려면은 확장성 문제도 아직까지 되게 많아 보이고.
기술적으로도 뭐 하나가 딱 결정이 되면 그거에 맞춰 가지고 반도체 프로세스도 결정되고 대량 생산해서 이래야 되잖아요. 표준이 없는 거죠, 지금. 근데 뭐 중근한 방으로 만들잖아요. 어디는 이게 좋아, 저기는 이게 좋아. 뭐 이러니까 어느 놈이 지금 넥스트 제너레이션에 1등이 될지 아직 불확실하죠. 이런 부분들이 조금 기본적으로는 다 리스크 불확실성으로 보면 되는 거예요.
그럼 이제 투자 쪽으로 가면은 이제 어디에 투자해야 될까? 똑같아요. 맥락은. 하나는 양자 하드웨어에 투자하는 방법이 있겠고, 하나는 양자 소프트웨어에 투자하는 방법이 있겠고, 또 하나는 아, 저 하드웨어 소프트웨어 된다고 치면, 그러면 보안이라든지 인터넷이라든지 이런 그 기반 인프라 관련된 쪽을 대비하는 거에 투자하는 방법이 있겠고. 이렇게 셋으로 나눌 수 있어. 그래서 이거는 이제 간단하게 이제 표로 한번 정리를 해 본 거예요. 하드웨어, 소프트웨어 보완 해 가지고 이제 관계된 것들을 다 한 거고, 무슨 추천이나 그런 건 아니고요. 이해하라는 수 수준으로 만들어 놓은 거고, 오늘 영상 보시는 분들은 이게 제일 중요할 수도 있겠네.
>> 음. 그러네요.
>> 예. 상장수도 있고 비상장사도 있고 그래요. 어. 어떤 기업들이 있는지 어디서 뭘 하고 있는지 그 순서대로 이렇게 체크를 해 있습니다. 네.
>> 네. 지금 현재 제일 유명한 그 하드웨어 쪽은 초존도, 이온트랩, 중성원자, 광자 큐비트, 위상학자 큐비트 이렇게 네 가지로 나눠요.
>> 크게 보자면.
>> 그러니까 이제 양자 하드웨어를 발, 그러니까 개발하는 방식 자체가 어, 다르다는 거죠.
>> 그렇죠. 여기 중성환자 광자 큐비트는 따로따로 봐야 되는 거서 다섯 종류라고 보는 봐도 되고, 요즘에 또 새로 나오는 것들도 있어 더 늘어날 수 있어요. 근데 이 정도가 뭐랄까 주류다. 요래 생각하시면 되는데, 이 네 개가 좀 특징이 좀 있어요.
>> 네. 네. 제일 유명한 건 초전도 방식이 제일 유명하죠. 방식. IBM에서 만든 컴퓨터도 이 방식이었고, 구글도 이거 초전도 방식이고요. 그다음에 리게티 유명하잖아요. 리게티도 IBM 출신들이거든요. 예. 리게티도 초전 도큐베비트 방식을 쓰는데, 이게 지금 현재 가장 앞서 있어요. 가장 앞서 있고 제일 오래됐고 좀 안정화돼 있다. 그래야 되나? 예. 네. 그래서 흉렌에서 만드는 건 다 이 방식을 일단 먼저 만들어요. 우리나라에서도 양성 컴퓨터 만들거든요. 요즘에 그 연구도들도 많이 하고 제가 어드바이저한 회사에서도 10q큐B짜리, 8큐B짜리 이런 거 만들어요. 근데 다 초전도 방식으로 일단 만듭니다. 왜냐면 저거는 약간 뭐랄까 어느 정도 하면 되긴.
>> 정비가 좀 됐어. 정비가 좀 제일 많이 해요.
>> 근데 이제 문제가 아까 잠깐 말씀드렸지만 너무 덩치가 크고, 그리고 아, 이렇게 해 가지고는 수백큐비 수천큐 각이 너무 어려운데? 요래 생각한단 말이에요. 그래서 아까 그 허니웨 컨티늄이라고 하는 회사가 있다 그랬잖아요. 거기하고 IonQ하고가 이온 트랩 방식이란 거 써요.
>> 아.
>> 예. 그래서 그 안정성이 높은 편이고 정밀계선에 강점이 있다. 그래서 좀 많이 하는데, 이것도 이건 또 그 복잡도가 높아 가지고 제어가 되기 힘들거든요.
>> 음.
>> 그래서 이걸 좀 비판하시는 분들은 아, 이거 너무 제어가 힘들어서 몇 시 큐비까진 몰라도 몇백 큐빗 이상은 안 될 거 같은데? 이런 분들도 계세요. 예. 그게 이제 이온트랩 방식이라고 하는 게 이제 최근에 또 유명한 거고. 그다음에 최근에 막 뜨는 거. 근데 아직까지 시간은 좀 시간이 좀 많이 안 돼서 정비가 좀 덜 됐다. 그래야 되나? 그게 이제 중성원자 방식하고 이제 광자 큐비트 방식이 있어요. 중성원자 방식에 유명한 회사가 큐에나 파스칼 같은 회사가 있고요. 노벨상 사신 분들이 막 설립하고 그런 회사들이에요. 예. 여기 이것도 괜찮고. 그다음에 사이퀀텀. 저 개인적으로 제일 좋아하는.
회사인데 사이퀀텀이나 제너두 같은 회사들, 이건 광자 방식이거든요.
아, 그래서 얘네들 같은 경우에는 확장성이 좋아요. 1큐빗 이상이 돼요.
아하.
예. 근데 아, 이게 잘 되나? 아직까지 뭐랄까, 그 완벽하게 검증이 덜 돼서. 예, 검증이 덜 됐다고 생각하시면 되고. 근데 이건 상온 작동 가능한 종류고 확장성이 좋고. 그래서 미래는 여기에 있지 않을까라고 배팅하시는 분들이 많아요.
근데 이제 뭐 진공관부터 시작해 가지고 애니악부터 만들고 이렇게 있지만, 아, 그거 언제 만들고 있어? 이거, 이건 알겠고, 이거 되는 거 알겠고, 이쪽으로 다른 형식으로 바로 갈 수 있다.
그렇네. 그래서 여기를 제일 주목하시는 분들이 많은데, 참고로 이쪽은 상장사가 하나도 없어요. 아직 하나도 없습니다.
다음에 이제 마이크로소프트가 난리 나게 막 얘기했었던 그 위상학적 큐비트.
음.
이게 큰 뉴스가 한번 됐었죠.
근데 아, 이게 맞냐? 반신반의하는 사람이 너무 많아요. 아직도.
음.
이론적으로는 이거보다 더 좋은 방식이 없어 보이거든요.
그런데 아, 이거 진짜 되는 거 맞아? 다들 안 믿고 막 그래요. 이쪽이네. 그래서 아, 좀 지켜봅시다. 예. 마이크로소프트가 양자 컴퓨팅 쪽에 뭔가 헤게모니를 쥐기 위한 블러핑이다. 이렇게 평가하신 분도 많아 가지고.
그게 양자 하드웨어 쪽이고요. 전 개인적으로는 양자 하드웨어 쪽은 돈도 많이 들어가야 되고, 그다음에 과학적으로 만들어야 될 것도 많고 해서 이쪽 투자보다는 이, 제가 AI 투자할 때도 그랬지만, 전 개인적으로 소프트웨어 쪽이.
아, 고 있.
네. 네. 네. 이쪽이 어차피 될 거니까. 누가 돼도 이건 쓸 거니까. 어떤 형식이든.
그리고 소프트웨어는 동일한 걸 쓸 거거든요.
그래서 통화 플랫폼이 있고 빅테크들이 제공하는 플랫폼이 있어요.
아하.
통화 플랫폼이라고 하는 거는 뭐냐면 이걸 잘 쓸 수 있도록 하는 그 양자 소프트웨어 키트라고 그래야 되나? 이런 거예요. 그래서 아까 컨티뉴엄, 그 CQC 설명드렸 때라고 말씀드렸잖아요. 그런 거.
그리고 자파.
엔비디아 왜 샀는지.
그렇죠. 자파타라고 또 유명한 회사가 있어요. 얘네도 잘해요. 얘네 클래식 Q큐 뭐 이런 회사들이 있고. 얘네들은 하드웨어는 밑에 뭘 쓰든지 일종에 운영 체제나 솔루션 같은 걸 제공하는 느낌이라고 생각하시면 돼요.
그래서 이런 독자적인 게 하나 있고요. 나머지 하나는 빅테크가 제공.
아.
자기네들이 쓰고 있는 어떤 클라우드 컴퓨팅하고 잘 연계가 될 수 있게 해 가지고.
그래서 IBM이 제공하는 퀴스킷이란 게 있고, 구글은 서 마이크로소프트는 에저 퀀텀이라고 하는 게 있고, 아마존은 브라켓이라고 해서.
아마존 웹서비스에다가 제 붙여 가지고 제공하는 거 있거든요. 클라우드 인프라가 있으니까 여기에 양자 컴퓨팅 인프라를 제공하면서 우리 걸 써라. 플랫폼. 이렇게 해서 하는 두 가지 접근 방법이 있어요. 예.
그래서 이게 이쪽 파트에 아직도 할 게 많다.
네.
그리고 얘네들 입장에서도 이번에 그 엔비디아가 M&A 한 거 보시면 아시겠지만, 이 관련된 소프트웨어 쪽에 좋은 걸 갖고 있는 회사들은 계속 M&A 할 가능성이 높아요.
그러네요.
확보를 해야 되니까.
그러네요.
야. 아, 그러니까 이제 소프트웨어 쪽에서 기다리고 있다. 이런 개념이네요. 이게 투자를 할 거면 어차피 지금 양자 컴퓨터는 그래도 못해도 한 3년, 5년은 좀 봐야 됩니다. 근데 그 과정에서 이제 뭐 어 양자 하드웨어가 어떤 형식으로 결정이 나고 누가 승자가 될지 상관없이 소프트웨어 쓸 거니까.
여기 가서 그냥 어 깔고 앉아야 된다. 그런 느낌이네요.
네. 네. 소프트웨어도 하드웨어하고 막 결합해서 만드는 애들도 있어요. 그 예를 들어 뭐 대표적으로 디웨이브 같은 회사 있잖아요. 디웨이브 같은 회사의 양자 컴퓨터 구현 방식이 되게 독특하거든요.
이게 그 파이런스 쪽에 특화돼 있어요.
야, 또 파이낸스.
예. 그리고 그래서 그거에 가장 잘 돌릴 수 있는 퀀텀 언일러라 그러는데, 그거에 가장 적한 퀀텀 알고리즘에 딱 최적화해서 막 이렇게 산업하고 최적화해. 그래서 디웨이브가 이렇게 그거는 큐비트 수가 많지 않아도 돌아가거든요. 그래 가지고 그런 건데 뭐 이런 쪽으로 가는 경우도 있죠.
네.
다음에 이제 양자 보안. 이게 사실 우리나라가 대체히 잘할 수 있는 분야인데.
이거는 1000큐빗 이상 되기 시작을 하면 지금도 난리지만 해킹부터 시작해서 별의별 사건이 다 벌어지니까. 이 인프라를 싹 다 교체해야 되거든요.
그럼 이제 양자 내성이라고 포스트 퀀텀 크립토그래피라고 들어. 그래서 이게 이거는 이제 특히 이 해킹 가능해지는 상황이기 때문에 그에 대한 표준화를 지금 다 바꿔요.
전 세계가 지금 바꾸는 쪽인데 그렇게 하려면 양자 컴퓨터도 해독 불가한 형태에 그 암호를 제공할 수 있는 뭐 이런 걸 제공하는 칩이나 이런 게 필요하잖아요. 한국에 ICTK 같은 회사가 이런 거 하고 있고.
다음에 어 마찬가지로 이걸 인터넷 인프라를 활용을 해서 중간에 해킹되거나 가로채지거나 이러면 큰일 나잖아요. 그러니까 이걸 양자 키 분배라고 해 가지고 지금의 그 보안 솔루션 지금의 보안 솔루션하고 어느 정도 호환이 되면서도 이걸 지켜낼 수 있는 그 기술이 필요하거든요. 그걸 QKD라고 불러요. 퀀텀 키 디스트리뷰션이라고 부르는데 이쪽은 SK 텔레콤 포함해 가지고 한국의 통신사들.
그리고 일본 도시바 뭐 이런 데들이 그 통신 장비하고 같이 통신 장비도 만들어요. 양자 협 기반으로 해킹 불가능한 통신만 구축하고 양자 인터넷으로도 또 갈 거라고 예상을 하고 있는데 이런 쪽.
다음에 이거 하려면은 장비나 부품들이 또 많이 필요하거든요. 이런 쪽 회사들 뭐 요런 쪽들이 앞으로 이제 또 중요해질 수도 있어서 요렇게 한 세 가지 정도로 나눠 볼 수 있어요. 일단 카테고리라이즈를 하는 거 자체가 좀 중요한 게 이게 뭐 하는 회사인지 양자 회사라는데 뭐 하는지도 모르는 상황에서 그러면 올라가는 거 그냥 따라 사고. 그래서 그러다가 그냥 이제 어 그냥 계좌가 녹아내리는 거거든요. 그러니까 알고는 투자하고 어느 정도 타임라인으로 얼마나 기다려야 되는지를 아는 게 되게 중요할 것 같아요.
네.
네. 지금 현재 양자 컴퓨터의 현실을 좀 얘기를 하면은.
네.
요즘 시대를 그 NISQ 시대라고 부르거든요. 좀 어려운 얘긴데. NISQ가 뭐예요? 약자 약자예요. NISQ가 노이지, 인터미디에이트 스케일, 퀀텀 이런 뜻이에요.
노이즈란 말은 뭔가 이렇게 신호에 시그널에 뭔가 잡음이 많이 낀다는 뜻이잖아요.
아, 네. 네. 잡음이 많은.
인터미디에이트 스케일이니까 아주 큰 건 아니고 중간 스케일이다. 한마디로 말해서 큐비트 수가 두 개, 세 개 뭐 이렇게 아주 작은 건 아니고 그렇다고 해서 굉장히 많은 걸 해결할 수 있는 수천 큐비트 이상 아니고 지금 수십에서 수백 큐비트 정도니까 인터미디에이트 스케일이라고 부르는 거거든요. 근데 노이즈가 많아. 노이즈가 많으면 뭐가 문제냐면 아, 이건 믿을 수 있냐?
음.
결과가 나오긴 했는데 이거 맞아?
그렇지?
이런단 말이에요.
그래서 이런 경우에는 양자 컴퓨터만으로 해결이 안 돼요.
아.
그래서 이 문제를 해결하려고 하이브리드 접근을 해요.
아.
지금 현재 상태의 양자 컴퓨터는 딱 이만큼이거든. NISQ. 그러니까 고정 컴퓨터를 활용을 해요.
기존 컴퓨터를 활용을 해서 기존 컴퓨터가 잘하는 거하고 양자 컴퓨터가 잘하는 거를 합쳐 가지고 제공을 해요.
그래서 지금 하이브리드 컴퓨팅을 제공하는 회사들의 가치가 당분간 되게 높을 거예요.
네. 네. 그 이걸 잘할 수 있는 회사가 어디겠습니까? 빅테크가 잘해요. 이걸 우리 엔비디아가 노리는 게 이거예요. 지금 현재는 고정 컴퓨터의 병렬로 해서 AI 시대를 열었잖아요. AI로 시뮬레이션 할 수 있으면서 양자 컴퓨터 만드는 회사들 거를 잘 얹어 가지고 결합시켜 주면 우리가 이것까지 잘할 수 있어. 이렇게 되잖아요.
그러네요.
예. 그래서.
아니 양자 컴퓨터만으로는 아이 뭐 뭐 한 번씩 이게 엄청나게 복잡한 문제를 빨리 푸는 거 좋지만 그런 문제가 많지도 않고 실제로.
그런 문제를 풀 때 필요하서 써 먹으면 되지 그게 합치는 거네요.
이것도 빅테크네요.
네.
그렇죠. 그런데 이제 제가 관심 진짜 가지게 된 이유는 아까 말씀드린 신약 개발 쪽에 진짜 많이 쓰이기 시작을 했거든요. 깜짝 놀란 논문은 아까 잠깐 보여 드릴 건데.
지금 진짜 제일 많이 쓰이는 데를 크게 네 개 정도로 얘기를 하고 있어요. 하나는 신약 개발 진짜.
글로벌 빅파마들 중에 양자 컴퓨터 연구를 안 하는 데가 없어요. 이제.
다 합니다.
진짜로 이게 속도가 캔디데이트를 찾아내는데 압도적이에요.
후보 후보 물질 찾아낸 거죠. 복잡한 걸 우리가 모른다 그랬잖아요. 그걸 다 실험해서 이 이런 거를 하자니 너무 힘들잖아요. 시뮬레이션을 못 믿겠고 그랬는데 양자 시뮬레이션 애들이 진짜로 나오더라고. 예.
그래서 그런 건데 뭐 이거. 그다음에 두 번째 복잡 시스템 시뮬레이션 같은 맥락인데 이게 이거는 뭐냐면은 그 원자 같은 것들의 시뮬레이션을 통해 가지고 실제로 물질들이 어떻게 상호 작용하는지를 알아내요. 재료 과학 쪽에 되게 조금.
그러네요. 이거 해보 다 해볼 수 없는데이 맨날 실험해야 되는데 그거 복잡하게.
그렇죠. 그래서 배터리 쪽에.
배터리 쪽에 신물질 뭐 이런 거 하는 거 있죠? 나노 뭐 이런 거 있죠?
그쪽 하시는 분들이 또 되게 열심히 해요.
그러겠네요.
예. 지금 정도로도 할 수 있대요. 지금 컴퓨팅 정도로 충분히 할 수 있어서 하고 있고.
그까 배터리 만드는 건 뭐 대단한 거 같지만 레시피 이거 넣어 가지고 돌려보고. 아 안 되네. 이거 좀 줄여 봐. 얘랑 얘랑 해보고 쟤랑 해보고 막 별걸 다.
히토류 얘랑 얘랑 했더니 뭐가 나왔네 뭐 이런 이런 거 해야 되잖아요.
그거를 이제 양자 컴퓨터로.
네네. 네. 그다음에 이제 기후 변화.
아.
기후의 아 기후가 되게 어렵다는 얘기 들으셨죠?
제일 어려운 문제 중에 하나잖아요. 그렇죠?
네. 요쪽에도 지금 되게 많이 이제 연구를 하고 있고.
다음에 최근에 급부상한 애 금융 시스템 최적화.
아.
ETF.
아하.
ETF에 들어가 있는 종목들 리밸런싱을 자동으로 하는 거 뭐 이런 거.
아.
아, 사람이 이제 점점 없어요.
그래서 예. 그와 관련된 부분에 있어 가지고 양자 컴퓨터 시뮬레이션 굉장히 잘 맞더라. 뭐 이런 게 막 알려지기 시작을 하면서 골드만삭스님 모건스텔린이 전부 다 투자하고 있잖아요, 지금.
그래서 그런 거예요. 요런 것들은 지금 현재의 큐비트 수로도 이미 조금씩 되기 시작했다. 하나 빠지게 물류 쪽 스마트 도시하고 물류 쪽도 요즘 되게 열심히 해요.
음.
예. 그런 쪽. 요 요 정도가 지금 현재 실용할 영역이에요.
어쨌든 복잡한 문제를 풀어야 되는 애들한테 도움이 되는 거죠.
네.
네. 제가 이제 사실은 본격적으로 이거를 공부하게 만든 이제 논문입니다. 이게.
올해 1월 달.
올해 1월 22일 날 네이처에 난 논문인데요.
예. 퀀텀 컴퓨팅 인헨스트 알고리즘이 포텐셜 케이라스이터 그 약을 찾게 만들었다라는 뜻인데. 이.
케이라스 잘 모르실 건데 온코진이라고 종약 유전자라 얘기 들어보셨죠? 온코진 종양 유전자.
네. 종양 유전자.
예. 종양을 일으키는 암을 일으키는 유전자예요.
그래서 암을 일으키는 유전자 종류가 많아요.
뭐 대표적인게 헛셉팅 같은 거 약재가 그게 이제 그 앤드로제리셉터 타게팅하는 거거든요. 뭐 그런 거라든지 뭐 여러 가지 있는데 그런 여러 가지 그 종양 유전자들 중에서 항암제를 다 우리가 알려진 게 많으니까 항암제를 만들면 좋잖아요. 타게팅해 가지고. 근데 가장 만들기 어려운 타게팅 유전자가 이거예요. 케이라스.
아.
이게 되게 화학적 구조 구조가 되게 복잡해갖고 그래서.
네네.
그거를 딱 막는 양 만드는 거를 하기가 너무 어려운가 봐요.
아.
그래서 이 항암제가 지금까지 나온 적이 없어요.
그러니까 어쨌든 제일 어려운 문제라는 거죠.
예. 그다들 유전자 타는 무슨 무슨무슨 이래가지고 신규함제도 막 나오잖아요. 그게 이제 그 단일 항체로 항체로 그걸 딱 막는 거거든요. 예. 근데 그런 종류들은 합성해서 만들 수 있게 요즘 이제 타게팅된 신약들이 막 나오는데 얘는 아직까지 약이 안 나왔어요.
그러니까 어렵다 얘기예요.
그러네요.
왜 어렵냐? 후보 물질이 너무 많아서 이거 언제 하고 앉았냐 말이야. 그래 가지고 찾아내야 되는데 이 트레이닝 데이터 생성을 할 때 일단 리간드라 그러는데 후보가 되는 것을 한 찾아보면 한 650개 정도 찾을 수 있나 봐요.
그 650개 정도가 지금 현재 실험적으로 나온 종류야.
음. 실험적으로 나온 종류 이거 가지고서는 딱 맞는 걸 찾기가 어려우니까 지금 생성형 AI를 이용을 해가지고 뻥튀기를 해요.
생성형 AI로 약간 얘랑 비슷하게 될 수 있는 다른 후보들도 좀 만들어 봐 이제 시뮬레이션으로 만들어 낼 수 있거든요. 그러면 85만 개까지 늘릴 수 있어요.
650개가 아니고 85만 개.
예. 왕창 늘렸어. 예. 이건 실험으로 찾아. 그동안 수십년간 실험실에서 실험해서 아 이거는 가능성 있는 거 같아. 저거는 아닌 거 같아. 뭐 이런 거고. 아, 650개 찾는데도 진짜 엄청난 삽질이었을 것 같아요. 느껴져. 밤새고 막 해보고.
그렇죠? 그 이거는 이제 그 AI 이용해서 좀 후보 좀 더 만들어 봐. 이렇게 해가지고 만든 게 한 85만 개 되는 거고요.
다음에 이건 버추어 스크린. 이건 뭐냐면 우리 히히 그 화학 쪽에서 많이 쓰는 거대한 그 라이브러리가 있어요. 거기에서 또 이제 AI 매칭 막 이렇게 해가지고 혹시 얘네들은 가능성이 있지 않을까 해가지고 막 이제 검색하듯이 찾아내는 거예요.
네. 네. 그렇게 한 25만 개를 찾아요.
예. 그러면 엄청 많죠.
그러네요.
예. 이 이걸 이용해서 트레이닝을 해요. 이거는 이제 전통 AI 방식으로 하는 거예요. 예. 그리고 나서 이렇게 찾아 놓은 것들을 바탕으로 진짜로 항암제가 될 수 있는 거 이거 어떻게 다 실험해요? 오타지. 그러니까.
그니까 이 뽑아내야 되잖아요. 뽑아내기 위한 시뮬레이션 실험을 하는데 하나는 이 그이 실험을 하는데 이렇게 세 가지 방식으로 하는 거예요. 이 양자 이용해 가지고 어 아까 전에 딱 느낌 오시죠. 그 자물쇠가 하나 있고 열쇠가 하나 있는데 중첩 상태니까 와장창 와장창.
와장창 와장창이 된다 그랬잖아요.
그렇게 해 가지고 얘를 통해 가지고 이제 IBM 걸 이용을 했더라고요. 어 알고리즘 이용해 가지고 이제 그 생성을 해서 어 그 뽑아낸 다음에 실제로 어떻게 되는지 체크해 보고. 그다음에 케미스트리 40이라고 이게 실제 후보 만들어진 걸로 이제 매칭하는 거 있거든요. 그걸 해서 돌려봤더니.
굉장히 한 두 개인가 찾아냈어. 진.
오 진짜네.
진짜로 찾아냈고 이거를 시뮬레이션 방식으로 한 게 있고 진짜로 양자 컴퓨터 이용한 게 있고 여러 가지 방식으로 했거든요. 그리고 실험으로 어이 진짜 되나 해가지고 실험을 해 봤는데.
그 15개인가를 각각 찾았는데 시뮬레이션 한 거에선 맞는 게 하나도 없었고요. 음 시뮬레이션 사실 가짜로 하는 거니까 지표는 거니까. 그다음에 전통적인 방식으로는 아예 뭐 실험할도 못내는 거고 너무 후보가 많으니까 양자 컴퓨터가 두 개 여덟 개를 찾아줬는데.
그중에 두 개가 맞더래요.
와.
후보가 두 개가 나온 거야.
와.
아, 여기 보면 아니 여기 가만 있지. 아, 여덟 개. 네. 여덟 개 세 개 네 개 이렇게 찾았는데 이 중에 제가 알기로 두 개인가 네. 두 개인가가 아마 맞았다라고 실험해서 그렇게 본 거 같은데 정확한 거는 이 논문을 다시 제가 기억력이 헷갈릴 수 있어 갖고 읽어 보시면 될 거고.
정확한 숫자는 확인해 보시고. 어쨌든 나왔다는 거.
나왔다는 거죠. 그래서 저는 이거 보고서 어 이거 장난 이거 큰 그동안.
항암제를 못 찾던 타겟에서 항암제 타겟이 나왔다는 거잖아.
양자 이용해서. 그건 그거는 이런 상의 문제가 아니잖아요. 쓸모가 있다는 얘기잖아.
예. 그래 가지고 어 이거 제대로 봐야 되겠다 하던 차에 이제 여기는 이제 아까 말씀드린 한국에서 이 퀀터메저 서비스.
아 우리나라.
예. 우리나라 스타트업이에요. 아직까지 뭐 상장사형 아니고요. 그래서 여기하고 얘기 같이 해서 제가 좀 도와드리고 있어요. 같이 많이 보고 보기도 하고.
예. 그러면서 이제 이쪽에서도 여러 군데 쓰이는데 제일 많이 지금 한국에서도 연구하고 이런 거 하고 있는 데가 그 대학 병원들하고 그다음에 제약사들하고 항암제 관련된 쪽 제일 열심히 하고요.
다음에 우주 항공 쪽 파트 재료 배터리 배터리 관련된 그 물질 찾는 거 관련된 데 하고 물류 쪽이 생각보다 있다 물류 관련된 거하고 여러 가지 쪽을 해주고 있어요. 여기는 양자 컴퓨터를 주로 만드는 거보다는.
양자 컴퓨터를 쓰기 위한 플랫폼 같은 거예요.
예. 그래서 아마존이나 이런 회사 같이 하고 있고 양자 컴퓨터는 리게이트 컴퓨팅이 옛날에 노르마하고 같이 여러 가지를 많이 하다 보니까 리게티가 양자 컴퓨터를 대줘요.
음.
그걸 이용을 해 가지고 이제 많이 하고 있죠. 그래서 이제 단기적으로 저는 세 시기로 구분을 하고 있어요. 지금.
세 시기로.
네. 세 시기로. 투자 관점에서 봤을 때.
네네. 정리를 한 세 장 정도로 간단하게 정리를 해봤는데.
네네. 도움이 됐으면 좋겠습니다만 어 한 3년 정도.
앞으로 3년.
앞으로 3년. 앞으로 3년은 아까 말씀드린 노이즈 인터미디에이트 스케일 퀀텀 컴퓨팅 시태라고 생각을 해요. 그러니까 이거는.
아직 불완전한 시.
불완전한 시기죠. 그래서 이 시기에는 클라우드 컴퓨팅하고 절대적으로 연계해서 갈 수밖에 없어요.
그러면 이제 제 이쪽에 이제 선두 주자가 어디냐? IBM이 제일 오래 했거든요. IBM은 퀀텀 익스피리언스라고 하는 플랫폼을 제공을 해요. 다음에 구글은 퀀텀 AI라고 이름 붙였고요.
이거 이제 구글의 그 클라우드 컴퓨팅 같이 붙어 있어요. 마이크로소프트는 에저 퀀텀이라고 이름 이런 이름 붙였고요. 아마존은 브라켓이라고 이름 붙였어요.
이게 이제 그 클라우드 기반의 양자 개발 환경이고 이런 거예요. 사실은 굉장히 많은 연구자들이나 이거 처음 하시는 분들은 대부분 이것들 중에 하나를 선택해서 쓸 가능성이 제일 높아요.
음.
아무도 아직까지는 AI하고 결하고 이런 것들도 되게 많으니까.
그러니까 이게 그 커뮤니티 클라우드 서비스 하는 사람들 너무 바쁠 거 같아요. 그 잘하고 있었는데 또 AI가 나와서 전부 다 AI에 클 바꾸다가 좀 있으면 또 약 바꿔야 돼 또.
네.
네. 그리고 이제 두 번째는 이게 만약에 아직까지는 조금 시간이 걸릴 걸로 생각을 하지만 암호화가 깨진다.
음. 음.
그러면 기존 암호가 위협을 받잖아요. 옛날에 Y2K 기억나세요?
그렇죠? 아, 그러니깐요. 다 세계 컴퓨터가 망할 거야 뭐 이 이래 가지고 좀 대비해야 된다고.
2년 전에 막 했었잖아요. 그 비슷하게 깨지기 전에 모든 체계를 바꿔야 되지 않겠습니까?
그래서 포스트 퀀텀 크립토그래피 양자 내성 암호하고 통신도 중간에 해킹되면은 양자 같은 경우에는 해킹되는 걸 바로 알 수 있거든요. 예. 그래서 중간에 이게 날려 버릴 수 있고 그래서 해킹이 안 되게 할 수 있어요. 그런 걸 이제 양자 키 분배 기술이 특징인데 양자 키 분배 같은 이런 보안 암호 기술 관련된 거.
세 번째가 소프트웨어 스타트업. 아직.
소프트웨어가 덜 됐으니까.
자파타 컴퓨팅이라든지 컨티뉴엄 뭐 클래시큐 뭐 자나두 이런 회사들이 양자 소프트웨어 기업들이거든요. 요런 회사들이 이제 상장을 하든지 좀 성장을 하면 괜찮을 수 있다.
예. 요렇게 보고 있고.
상장하면.
음.
그리고 재료라고 그래야 될까? 투자 트리거라고 정의를 해 봤는데 이게 결국에는 전 세계적으로 규제 같은 것들 둘 중에 하나예요. 항상 엄청 큰 사고가 터지든지.
예를 들어 비트코인이 털렸어 뭐 이런 거.
그러면 난리가 날걸요. 예. 그런 거든지 아니면은 이제 규제 아 그런 일 벌어지기 전에.
다 좀 바꿔 이렇게 하겠죠. 그래서 이제 보안 관련된 거는 미국의 NIST라고 하는 표준 그 표준 기구가 있어요. 대부분 NIST 거를 갖다 쓰거든요. 미국 국립 표준 기술 연구소의 약자인데 얘네가 작년 12월에 포스트 퀀텀 크립토그래피 표준이 확정을 그 일차적으로 지었어요. 한 네 개 정도를 만들었거든요. 예.
그런 거. 그러면 이제 국제 표준화가 진행이 될 거고 그다음에 컴패터블리 테스트하고 상용화 관련된 규제는 그다음에 아마 적용을 하게 될 텐데 이 관련된 알고리즘을 정하거나 언제부터 공표를 하거나 규제를 하거나 이런 로드맵들이 나오고 발표가 있을 거예요. 그래서 그런 것들이 있을 때마다 되게 중요한.
트리거가 될 수 있고.
법안이 나오고 규제가 확정이 돼야지 이게 비즈니스가 확대가 되는 속도가 빨라지거든요.
네. 그렇죠. 저게 하나가 될 수 있고 두 번째는 빅테크들이 이제 양자 클라우드 서비스를 하기 시작했다 그랬잖아요.
그럼 이제 고객들이 이제 슬슬 들어와 가지고 매출이 날 거 아니야.
그럼 매출 발표하겠죠.
이쪽도 따로 떼 가지고 발표할 거예요. 그럼 IBM이든 구글이든 이 빅테크들 이제 엔비디아까지 뛰어들었으니까. 그럼 내년에 뭐.
둘 중에 하나죠. 하나는 이렇게 클라우드 컴퓨팅 관련된 사업 하는데 뭉쳐 가지고 그냥 이만큼이야라고도 할 수 있지만 얘네들 중에 좀 뭔가 자신이 있거나 이거를 좀 세게 얘기해야 되겠다는 친구들은 따로 빼 가지고 작년에 이만큼이었는데 올해 양자 이만큼 늘었고 이렇게 얘기할 수도 있겠죠.
어, 이제 그렇게 되면 아마 굉장히 중요한 그 경곡점이 될 수도 있다.
이게 현재에서 단계는 렇게 보고 있고요.
아마 대부분의 투자자분들은 저기만 관심 있으실 것 같은데 좀 길게 보면 저는 이제 투자하면 이제 스타트업은 강제로 10년씩 투자하는 거라서.
예. 중기 장기 봐야 되거든요.
중기는 이제 수천 큐비트 보거든요.
수천 큐비트 시대로 생각을 한다면.
이거를 써 가지고 버티컬 산업이 크게 변할 거를 많이 봐요. 아까 말씀드린 것 같이 그러면 제약이나 바이오 산업이 원래 크잖아요.
그렇죠.
예. 그러면 이제 양자 시뮬레이션 활용해서 신약 후보 물질 탐색이라든지 개발이 돼서 어 이런 걸 되게 잘하는 진짜 그 제약 회사나 이런 데들이 나올 수 있죠. 가이어 기업이나. 근데 그 기업은 지금 우리가 알고 있는 빅파마가 아닐 수도 있어요.
어, 완전히 새로운 이제 그 이제 양자 컴퓨터를 이용한 신약 개발 하는 회사들일 수 있으니까요.
그렇죠. 그래서 그런 데가 나온다면 이제 그게 중요한 것 중에 하나고.
소재나 뭐 히토류나 요런 그 저는 재료나 뭐 이런 쪽이 새로 봐야 되는 이유 중에 하나가 이거라고 생각을 하는데 우리가 광물이나 재료 같은 것들 회사들을.
1차 산업이다 했으면 허트로 봤거든요. 그동안.
음 많으면 뭐 뭐를 해고 하는 것이 장히 하이크로 갈 수도 있거든요.
그렇겠네요.
예. 그래서 소재 쪽 관련된 회사들이 나중에 생각보다 좋아질 수 있고 어떤 별에서는 우리나라 화학 회사들 같은 경우에도.
기회가 있어. 어차피 미래를 해서 많이 전환해야 되는데 맨날 석유 가지고 이렇게 했는데 좀.
결국 이제 신소재예요. 말 그대로 신소재.
그렇죠. 요쪽 관련된 것이 또 하나 또 봐야 될 종류 중에 하나라고 생각을 하고 있고 마지막 금융.
예 금융이 역시 예 포트폴리오 최적화에 지금 제일 많이 쓰고 있는데.
파생 상품 쪽에서도 아마 장난 안 될 거 같고 리스크 관리 사기 탐지 뭐 여러 가지를 효율적으로 할 수 있을 것 같아서 굉장히 양자 핀테크 회사 이런 회사가 나올 수도 있다고 생각해요.
요게 이제 중기적으로론 되게 중요하게 보고 있고.
음.
투자 트리거로는 양자 컴퓨터에 붐이 일어났던 걸 보면은 2019년에부터 이게 뜨기 시작했거든요. 주식 시장에서. 예. 구글이 그때 양자 우위 주장했단 말이야. 자의.
예. 예. 그게 뭐 수백년 아 수백조년 뭐 뭐 해 해년 뭐 이런 얘기 나왔었잖아요. 그거를 몇 분에 뭐 그 비슷한 게 나오면서 어 이러면서 썼잖아요. 그 비슷하게 이 각 산업별로 비슷한 거를 달성했다. 내지는 이렇게 했다라고 하는 회사가 나올 수도 있어. 아 그러면 그쪽 분야에 이걸 하고 있는 곳들이 되게 중요해질 거 같고.
다음에 이렇게 될 거니까 우리나라 포함해 가지고 각국 정부들이 이쪽에 진짜 대규모 투자하거든요.
음.
예. 특히 국가 안보하고도 관계돼 있어요. 통신적으로.
그렇네요.
그래서 그쪽에 이렇게 대규모 투자를 한다거나 뭐 이런 그 발표가 나면 그게 또 하나 되게 중요한 트리거가 될 수 있다.
네.
예. 이거는 제가 좋아하는 아까 사이퀀텀이라 얘기 말씀드렸잖아요. 사이퀀텀이.
되게 그 유명한 회사라고 스타트업 중에.
얘가 호주의 브리스베인에.
글로벌 파운드리에서 이거 반도체 공정으로 만들 수 있어요. 얘네 거는.
그래서 얘네가 수만 큐빗을 돌릴 수 있다라고 하는.
거대한 양자 컴퓨터 데이터 센터를 짓고 있어요, 지금.
그 그 현장.
예. 그 현장에.
실제로 뭐가 되고 있네요. 그림이에요.
네. 요 요이 저 사이트예요. 이게 지금 짓고 있어요. 그래서 얘네들은 한 방에 한 방에 그냥 컴퓨터가 아니고 그냥 거대한 플랜트를 하나 지어 갖고.
제공해 보겠어라고 시작한 애들이에요.
뭐 요런 애들도 있고요. 마지막 장기.
어 이제 10년 이상 보는 거죠. 10년 이상은 수천 큐비트 이상 이제 만 큐빗 넘어가는 거죠. 이때 이제 범 범용 양자 시대라고 저는 부르는데.
이제 우리 GPU처럼 쓸 수 있는 거죠. 예. 그러면 보안 통신 이미 양자 내성 보편화됐고 인터넷이 양자에도 문제가 없이 돌아가야 돼. 그럼 양자 인터넷 구축해야 되거든요.
그러니까 반대로 이제 막는 사람 입장에서 투자하고 돈해야 되는 거죠. 그렇죠?
네. 네. 네. 그리고 아까 말씀 퀀텀 커뮤니케이션 같은 인텐글먼트 되니까 초 그니까 우주 통신 이런 거 된단 말이에요. 그 위성이 되게 중요할 수도 있어.
예. 그래서 우주 통신 프로토콜 쪽으로 넘어갈 거 예상을 한단 말이에요. 그 보안 통신 분야 이런 경우에는.
다음에 AI도 이때쯤 되면 양자 기계 학습으로 아예 그냥 합쳐져 가지고 예. 대규모 AI 모델 학습을 양자로 하고 서비스 제공이 부분은 AI 간다든지 이렇게 완전히 한 몸체된 그런 느낌 뭐 그런 걸로 좀 나올 거 같고.
다음에 도시 같은 경우에 경로 최적화나 스케줄링 뭐 등등등을 제공하는 일종의 도시의 핵심 컴퓨팅 인프라 뭐 요런 식으로도 갈 수 있을 것 같고 요렇게 보고 있어요. 그래서 장기적으로는.
진짜 많은 게 바뀔 수 있겠네요.
네. 그래서 투자 트리거는 이거는 오류 보정 되게 중요하고 그다음에 그 이 보안 관련된 것 때문에 그렇고요. 양자 인터넷망이라든지 양자 도시 뭐 이런 것도 나올 수 있다 생각하고 있어 가지고 인프라 쪽에.
요런 식으로 장기적으로 보고 있어요.
네.
그러니까 이거는 지금 단기 투자하시는 분들한테는 그렇게까지 중요하지 않을 수 있는데.
그래도 장기적으로 보면서 이제 투자하는 게 필요하니까요.
이런 말씀을 해 주실 수 있는 게 초기에 초반에 이제 어 박사님께 말씀하셨지만 이제 2015년에 루닛을 투자하면서.
AI가 어떻게 시장에 연결되고 그걸로 어떻게 큰 돈을 벌 수 있는 기회가 있는지에 대한 이제 흐름을 이제 보셨으니까.
네. 네. 10년에요. 그 10년 후에 지금 AI가 우리 시대에 마나 많은 향을 줬는지 생면.
앞으로 2020년 30년 후에는 양자가 또 그 역할을 할 수 있다라는 측면에서 이제 계속 어 이 내용들을 봐야 될 것 같다라는 생각이 듭니다. 그래서 정지훈 박사님의 양자 컴퓨터 강의인데 어 양자 컴퓨터뿐만 아니라 양자 컴퓨터와 관련된 투자를 하시는 모든 분들이 읽으시면 좋은 내용으로 돼 있습니다. 이렇게 어 당장 뭐 사 이런 게 아니라 어 긴 그림에서 어떤 스테이지에 있는지 우리는 어떤 마음으로 양자에 투자해야 되는지를 생각해 볼 수 있고 공부해 볼 수 있는 너무 좋은 자료니까 꼭 한번 참고해 보시면 좋을 것 같습니다. 그리고 또 출판사에서도 어 협찬을 해 주셔 가지고 어 20분을 뽑아 가지고 저희가 어 이벤트도 하고 있으니까 댓글 꼭 확인해 주시고요. 이 책에 대한 기대평도 댓글로 많이 남겨 주시면 감사하겠습니다. 자 오늘 이제 그 설명 너무 잘 들었고요. 음 음. 그 마지막으로 이 책을 한번 좀 소개를 해 주신다면 어떤 분이 읽으시면 좋다.
저는 이제 스타트업 투자하는 사람이라서 사실은 제가 이어석과 카드이 많이 나오긴 하지만 단기적으로 어떤 종목이 좋고 이런 얘기들은 잘 안 하잖아요.
예. 그래서 저희 같은 경우에는 투자하고 나서 적어도 5년씩은 기다려야 돼요.
어.
어쩔 수 없이. 네네. 그래서 장기적으로 보고 투자를 하는데 그때 이제 AI 관련된 것들도 이 비슷하게 얘기를 했었거든요.
근데 그때 굉장히 많은 기업들 포함해 가지고 정부나 이런 그것들의 좀 스탠스가 너무 늦어서.
음.
너무 안타까웠어요. 사실은.
음.
근데 양자 같은 경우에는 안 그랬으면 좋겠다.
아.
조금 더 사실은 그러려면.
관심 있는 사람이 많아져야 돼요.
맞아요. 맞아요.
그리고 아는 사람이 많아지면.
전체적인 수준이 다 올라가거든요.
예. 그래서 여러분들 우리나라 국민들이 또 공부 열심히 하잖아요.
장난 아니죠.
네. 네. 공부심하셔 가지고 단기적으로 어떤 회사가 좋다는 걸 넘어서 넘어서 앞으로 10년 20년 뒤에 AI가 세상을 바꿨듯이.
이런 시대가 왔을 때 그때는 우리가 진짜.
이미 뭐 많은 회사들을 또 가지고 있어. 막.
네. 중국이나 미국이 아니라 지금은 3등을 목표로 하잖아요.
예. 이거는 우리가 1등 목표로.
하는 그런 아까지는 무리일지 모르겠으나 그 정도 꿈을 가지고서.
한번 읽어 보시면 좋을 것 같습니다.
알겠습니다. 자 그러면은 어 정지훈 대표님의 어 정지훈 박사님의 양자 컴퓨터 강의에 대한 책 어 많은 관심 부탁드리면서 오늘은 여기서 마무리하도록 하겠습니다. 감사합니다. 이호석 아카데미 네이버 프리미엄 콘텐츠에서 3주년 이벤트를 준비했습니다. 30% 할인 쿠폰, 코칭 클럽 초대, PER 다이어리까지 다양한 혜택을 준비했으니 밑에 있는 댓글을 통해서 꼭 한번 확인해 보시기 바랍니다.