양자컴퓨터로 뭘 하나 — 신약·배터리·물류 실제 사례

구글·IBM·현대차가 양자컴퓨터로 신약 효소와 배터리 분자를 시뮬레이션했다. 단, 전부 수십 큐비트짜리 '연구 단계'다. 화려한 보도와 진짜 현실의 간극을 사례로 짚었다.

물리학자 리처드 파인먼은 1982년 이런 말을 남겼습니다. "자연은 고전적이지 않다. 자연을 흉내 내고 싶다면, 양자역학으로 흉내 내는 게 낫다" — 파인먼. 이 한 문장이 양자컴퓨터의 가장 자연스러운 쓸모를 예언했습니다. 분자와 원자가 원래 양자 법칙으로 움직이니, 같은 양자 방식으로 계산하면 자연을 더 정확히 모사할 수 있다는 거죠.

그래서 신약·배터리·소재 분야가 가장 먼저 양자컴퓨터에 손을 내밀었습니다. 글로벌 제약사, 자동차 회사, 은행이 줄줄이 양자 프로젝트를 발표했고요. 그런데 보도 제목만 보면 '이미 다 되는 것' 같지만, 뚜껑을 열면 전부 수십 큐비트짜리 연구 단계입니다. 이번 편은 실제 사례를 짚되, 그 화려함과 현실의 간극까지 정직하게 봅니다.

신약 개발 — 효소와 분자를 시뮬레이션하다

가장 활발한 분야는 신약입니다. 2025년 구글은 제약사 베링거인겔하임 등과 함께 '사이토크롬 P450'이라는 효소의 전자 구조를 양자로 계산하는 연구를 소개했습니다 — 구글. 이 효소군은 우리 몸에서 약물 대사의 70% 이상을 처리해, 신약의 안전성과 직결됩니다. 관련 논문은 2022년 미국국립과학원회보(PNAS)에 실렸고요 — PNAS.

다만 구글은 표현을 신중하게 골랐습니다. "양자컴퓨터가 고전 방식보다 더 정확하게, 더 짧은 시간에 시뮬레이션할 수 있을 것"이라는 미래형이었죠 — 구글. '이미 한다'가 아니라 '하게 될 것'입니다. 이 한 끗을 흘려보내면 보도가 과장됩니다.

병원도 움직였습니다. 미국 클리블랜드 클리닉은 2023년 IBM과 함께 의료 연구 전용 양자컴퓨터(IBM 퀀텀 시스템 원)를 현장에 설치하고 10년 협력을 맺었습니다 — 클리블랜드 클리닉. 신약 후보 탐색, 알츠하이머 약물 재창출 등이 목표죠. 모더나도 IBM과 mRNA·지질 나노입자 설계에 양자와 생성형 AI를 적용하는 탐색적 협약을 맺었습니다 — IBM.

배터리와 소재 — 한국 기업도 뛰어들었다

배터리는 한국이 직접 걸린 분야라 더 흥미롭습니다. 2022년 현대자동차는 양자컴퓨팅 기업 아이온큐와 손잡고, 리튬 화합물의 구조와 에너지를 양자컴퓨터로 시뮬레이션했습니다 — 아이온큐. 아이온큐는 이를 "양자컴퓨터로 구현한 가장 진전된 배터리 화학 모델"이라 소개했죠. 더 나은 전기차 배터리를 자연의 언어로 계산해보려는 시도입니다.

비슷한 시기 IBM과 다임러(메르세데스 모회사)는 차세대 리튬황 전지의 핵심 분자들을 양자로 모사했습니다 — arXiv. 실제 IBM 양자 장비에서 수소화리튬(LiH)의 바닥상태 에너지를 계산하고, 더 큰 분자는 21큐비트 규모로 시뮬레이션했고요. 숫자에서 보이듯, 다루는 규모가 아직 작습니다. 실험실 증명이지 양산 라인의 도구가 아닙니다.

왜 배터리·소재일까요? 새 물질을 찾는 일은 원자 수준의 상호작용을 계산하는 문제인데, 이게 정확히 양자컴퓨터가 자연스럽게 잘하는 영역입니다. 파인먼의 예언이 가장 먼저 닿는 곳이죠. 다만 '잘 맞는 분야'라는 게 '지금 당장 된다'는 뜻은 아닙니다.

물류와 금융 — 최적화 문제에 도전하다

세 번째 무대는 복잡한 최적화입니다. 경우의 수가 천문학적인 문제에서 양자의 강점을 기대하는 거죠. IBM과 엑손모빌은 거대 선단의 해상 운송 경로를 최적화하는 양자 알고리즘을 연구했고 — 인사이드퀀텀테크놀로지, 이는 시뮬레이션 환경에서 진행된 탐색적 작업이었습니다.

금융에서는 JP모건의 사례가 정직해서 인상적입니다. 2024년 JP모건은 콴티넘의 이온 트랩 하드웨어에서 포트폴리오 최적화 알고리즘을 실험했는데, '속도가 빨라졌다'고 주장하지 않았습니다 — JP모건. 잡음에 견디는 견고함을 확인했을 뿐이라고 선을 그었죠. 과장 대신 한계를 함께 밝힌, 드물게 신뢰 가는 발표였습니다.

이 사례들의 공통점이 핵심입니다. 전부 수십 큐비트 규모의 연구이고, 상업적 이익을 내는 실용 단계가 아닙니다. 맥킨지조차 "양자 알고리즘으로 실제 운영에서 흑자 ROI를 낸다는 의미라면, 우리는 아직 거기에 도달하지 못했다"고 못 박았습니다 — 맥킨지. 산업에서의 확실한 양자 우위는 대체로 2029~2030년 이후로 전망됩니다.

왜 하필 신약·배터리·물류인가

이 분야들이 먼저 선택된 데는 이유가 있습니다. 공통점은 '경우의 수가 폭발하는 문제'라는 것. 신약·소재는 원자와 전자의 상호작용을 따지는 문제이고, 물류·금융은 수많은 조합에서 최선을 찾는 문제입니다. 둘 다 일반 컴퓨터가 가장 버거워하는 영역이죠.

특히 화학·소재는 양자컴퓨터의 '천직'에 가깝습니다. 분자는 원래 양자역학으로 움직이니, 고전 컴퓨터로 흉내 내려면 근사와 단순화가 잔뜩 필요합니다. 분자가 조금만 커져도 계산량이 감당 못 할 만큼 불어나고요. 양자컴퓨터는 이 '양자를 양자로 계산하는' 일에서 본질적 강점을 가집니다. 파인먼이 1982년 짚은 그대로입니다 — 케미스트리 리브레텍스트.

반면 물류·금융 최적화는 사정이 조금 다릅니다. 이 문제들도 양자가 잘할 후보지만, 화학만큼 '자연스러운' 적합은 아닙니다. 그래서 JP모건처럼 '아직 속도 우위는 없다'는 정직한 결과가 나오는 거죠 — JP모건. 같은 양자 응용이라도 분야마다 기대 시점이 다릅니다. 화학·소재가 가장 앞서고, 최적화 문제는 그 뒤를 따르는 모양새입니다.

현재 규모와 필요 규모의 간극

가장 정직한 그림은 '지금'과 '필요' 사이의 거리입니다. 앞서 본 사례들은 대부분 수십 큐비트 규모입니다. IBM·다임러가 다룬 리튬황 분자 시뮬레이션은 최대 21큐비트였고요 — arXiv. 그런데 산업에서 의미 있는 우위를 내려면 오류를 보정한 큐비트가 훨씬 많이 필요합니다.

얼마나 차이 날까요? IBM이 2029년 목표로 잡은 내고장성 기계조차 논리 큐비트 200개 수준입니다 — IBM. 그리고 큰 분자를 오류 없이 정확히 계산하려면 수백만 개의 물리 큐비트가 필요하다는 게 중론입니다. 지금 우리는 그 사다리의 첫 칸, 길어야 두세 칸에 있는 셈입니다.

이 간극을 알면 보도가 다르게 읽힙니다. '양자로 신약 시뮬레이션 성공'은 사실이지만, 그 '성공'은 수십 큐비트짜리 작은 분자의 이야기입니다. 진짜 신약을 통째로 설계하는 건 아직 한참 뒤의 일이죠. 과장하지도, 무시하지도 않으려면 이 규모 감각이 꼭 필요합니다. 잠재력은 진짜지만, 시점은 멀다 — 두 사실을 동시에 쥐는 게 정확한 이해입니다.

양자 우위는 언제 증명되나 — 솔직한 타임라인

가장 자주 받는 질문은 "그래서 언제부터 진짜 쓸모가 생기나"입니다. 솔직한 답은 '단계적'입니다. 맥킨지는 양자컴퓨팅 시장이 2025년 약 10억 달러 수준에서 빠르게 커질 것으로 보면서도, 산업에서 흑자 ROI를 내는 단계는 아직 아니라고 못 박았습니다 — 맥킨지. 돈은 몰리지만 이익은 아직인, 전형적인 초기 기술의 모습이죠.

여기서 짚어야 할 개념이 '양자 우위'입니다. 고전 컴퓨터로는 도저히 풀 수 없는 실용 문제를 양자컴퓨터가 풀어낸 순간을 말합니다. 2~3편에서 본 구글·중국의 '슈퍼컴 대비 몇 배' 기록은 측정용 벤치마크였지, 실용 우위가 아니었습니다. 진짜 산업 문제에서의 양자 우위는 아직 누구도 확실히 증명하지 못했습니다.

그렇다면 기업들은 왜 지금 뛰어들까요? 준비와 학습 때문입니다. 양자 인재를 기르고, 자사 문제를 양자 방식으로 옮기는 법을 익히는 데는 시간이 걸립니다. 막상 양자 우위가 오면 그때 시작해선 늦죠. 지금의 협업과 파일럿은 '쓸모를 본 것'이 아니라 '쓸모를 준비하는 것'에 가깝습니다.

한국 기업에게 양자 응용은 무슨 의미인가

한국 독자에게 더 와닿는 질문은 '우리 기업엔 무슨 의미냐'일 겁니다. 직접적 영향권은 배터리·소재·제약입니다. 현대차가 아이온큐와 배터리 소재를 연구한 것처럼 — 아이온큐, 양자 시뮬레이션은 한국 주력 산업인 전기차·배터리·반도체·바이오와 정확히 겹칩니다. 자연을 계산하는 기술이 한국의 제조 강점과 만나는 지점이죠.

다만 지금은 '미리 배우고 줄 서는' 단계입니다. 당장 양자컴퓨터를 들여와 신소재를 뽑아내는 게 아니라, 글로벌 양자 기업과 손잡고 가능성을 탐색하는 수준입니다. 그래도 이 줄서기가 무의미하진 않습니다. 양자 우위가 현실이 됐을 때, 미리 준비한 기업과 그렇지 않은 기업의 격차는 클 테니까요.

일반 직장인이나 창업자에게는 어떨까요? 당장 바뀌는 건 없습니다. 하지만 5~10년 뒤 신약·소재 R&D의 방식이 바뀔 수 있고, 그 변화의 배경을 아는 사람은 흐름을 먼저 읽습니다. 지금 당신이 할 일은 '양자로 뭘 하겠다'가 아니라, '어떤 분야가 먼저 바뀔지' 감을 잡아두는 것 정도입니다. 이 글이 그 감을 줬다면 충분합니다.

양자컴퓨터, 직접 써볼 수 있을까

의외의 사실 하나로 이 편을 채워볼까요. 누구나 양자컴퓨터를 만져볼 수 있습니다. IBM·아마존·구글 같은 회사들은 클라우드를 통해 실제 양자컴퓨터를 원격으로 개방하고 있습니다. 전문 연구자만의 전유물이 아니라, 학생이나 개발자도 인터넷으로 접속해 간단한 양자 프로그램을 짜고 돌려볼 수 있죠. 중국 본원양자의 '우콩'도 원격 개방돼 공개 몇 달 만에 수십만 건의 작업을 처리했습니다 — 더퀀텀인사이더.

왜 이렇게 개방할까요? 생태계와 인재 때문입니다. 양자컴퓨터는 영하 273도에 가까운 극저온 장비가 필요해, 개인이나 작은 기업이 직접 사서 두기엔 너무 비쌉니다. 그래서 '한 대를 여럿이 원격으로 나눠 쓰는' 클라우드 방식이 자연스러운 답이 됐습니다. 더 많은 사람이 써볼수록 활용 사례와 인재가 쌓이니, 회사 입장에서도 개방이 이득이죠.

일반인에게 이게 무슨 의미일까요? 당장 실용적 쓸모는 없습니다. 지금 클라우드 양자로 할 수 있는 건 학습과 실험 수준이지, 실무 문제 해결이 아니니까요. 하지만 양자컴퓨터가 'SF 속 먼 기계'가 아니라 '클릭 몇 번으로 닿는 현실'임을 보여준다는 점에서 의미가 큽니다. 호기심이 있다면 무료 체험 환경에서 큐비트를 직접 돌려보는 것만으로도, 이 6부작의 개념들이 손에 잡힐 겁니다.

결론

양자컴퓨터의 쓸모는 '없다'와 '이미 다 된다' 사이 어딘가, 정확히는 '자연을 흉내 내는 연구 단계'에 있습니다. 신약·배터리·금융 모두 실제 도전이 시작됐지만, 전부 수십 큐비트짜리 실증입니다.

다음에 '양자컴퓨터로 신약 개발 성공' 같은 제목을 보면 한 가지만 확인하세요. '시뮬레이션·연구'인가, '상용화·이익'인가. 동사 하나가 단계를 가릅니다.

한 발 더 보면, 이 모든 잠재력에는 그림자가 따라옵니다. 자연을 잘 흉내 내는 그 능력이, 우리의 암호를 푸는 데도 쓰일 수 있다는 점입니다. 다음 편은 그 위협을 정면으로 봅니다.