Quantum World AI : The Future Wave [KOR]
https://www.youtube.com/watch?v=q2rR_aXjqnI
Boston Dynamics가 CES2026에서 공개한 휴머노이드 로봇 Atlas가 장안의 화제였다. 22년 11월 ChatGPT의 등장이 대형언어모델(LLM)의 파괴적 충격을 가져다준지 겨우 3년이 지난 지금, 세계는 이제 실제 세계에서 물리 법칙대로 작동하는 Physical AI를 바라보고 있다. Tesla를 위시한 자율주행 자동차와 함께 이 Physical AI의 또 하나의 큰 축이라 할 수 있는 로봇.
AI와 결합하는 Robotics
범용적 활용을 위해 인간 형태의 휴머노이드 구동은 과거부터 인류가 그려 온 꿈이었다. 그러나 휴머노이드의 이족보행, 섬세한 손 동작, 균형 유지 등의 난관을 마주하게 된다. 이러한 장애물에 돌파구를 제공한 것이 바로 AI의 출현이다. 마치 인간이 걸음마를 배우듯 수많은 시행착오를 통해 걷고 손을 쓰고 유연하게 움직이는 방식을 기계학습하는 방법이었다. 하지만 실제 로봇의 움직임에서만 학습을 진행하기는 너무 비효율적이니…
이것이 바로 Sim-to-Real transfer의 등장 배경이다.
Training을 physical engine simulation 상에서 진행하여 이를 real world로 가져오는 방식을 말하는데, 결국 simulation 상에서 물리법칙을 도입하여 현실 세계에서는 얻을 수 없는 무수히 많은 데이터셋을 가져오는 방법을 의미한다. 로보틱스의 분야에서 필요한 물리엔진은 구현이 쉬웠기에 AI/머신러닝의 출현과 함께 바로 빛을 볼 수 있었지만… 시뮬레이션 구성이 어려운 양자영역이라면?
Quantum World AI
현재 계산속도의 한계로 인해 양자역학에 기반한 시뮬레이션이 어렵지만, 근래의 computing 파워의 성장세를 감안하면 이 영역에서의 시뮬레이션의 완성도 머지 않았다고 본다. 궁극적으로 AI가 학습할 수 있는 시뮬레이션 환경이 주어지면, 앞으로 그 안에서 최적의 답을 AI가 찾아내는 시대가 열릴 거라 생각한다.
한가지 추가적으로 고려해야 할 사항은 이 blueprint에 Quantum computing (QC)이 자리할 여지가 충분하다는 것이다. 좋은 시뮬레이션의 등장까지 시간이 걸릴 것이고 그동안 QC의 발전 역시 상당히 이뤄질 것이기 때문이다. 나는 이를 크게 두가지로 구분하고자 하는데, 하나는 QM phenomena를 simul하는 장치로서의 Digital/Analog QC이다. 또 다른 하나는 QC의 발전으로 인해 등장할 Quantum Machine Learning (QML)의 사용이다.
Quantum World AI를 학습시킬 Quantum digital twin 환경과 학습되는 AI에 대한 blueprint를 네 단계로 나눠서 간단히 묘사해볼까 한다. 내가 그리는 미래의 모습은 아래와 같다.
1. Quantum Digital Twin
| Key Concept | Multi-fidelity, Uncertainty quantification, Workflow Management |