양자 컴퓨터

중첩은 양자역학의 핵심 원리로, 큐비트가 0과 1의 상태를 동시에 가질 수 있음을 의미한다. 고전적인 비트가 확실히 0이거나 1인 것과 달리, 큐비트는 0과 1에 해당하는 두 개의 양자 상태가 결합된 상태, 즉 중첩 상태에 존재할 수 있다. 이 상태는 큐비트를 측정하기 전까지는 0과 1이 공존하지만, 측정하는 순간 확률에 따라 둘 중 하나의 확정된 값으로 붕괴한다. 이 확률은 중첩 상태를 기술하는 파동 함수의 진폭에 의해 결정된다.

얽힘은 두 개 이상의 큐비트가 서로 강하게 상관관계를 맺어, 개별 큐비트의 상태를 독립적으로 기술할 수 없게 되는 현상이다. 얽힘 상태에 있는 한 쌍의 큐비트를 멀리 떨어뜨려 놓아도, 한쪽 큐비트를 측정하면 다른 쪽 큐비트의 상태가 즉시 결정된다. 이 '순간적인' 상관관계는 아인슈타인이 '유령 같은 원격 작용'이라고 표현하며 의문을 제기했던 현상이지만, 실험을 통해 그 실재성이 반복적으로 입증되었다.

중첩과 얽힘은 양자 컴퓨팅의 연산 능력을 기하급수적으로 향상시키는 동력이다. 중첩 덕분에 n개의 큐비트는 동시에 2^n개의 상태를 표현할 수 있다. 여기에 얽힘이 결합되면, 이 큐비트들을 조작하는 양자 연산은 이 모든 상태에 대해 병렬적으로 계산을 수행하는 효과를 낸다. 이는 특정한 종류의 문제를 고전 컴퓨터보다 훨씬 빠르게 해결할 수 있는 가능성의 기초가 된다.

큐비트(Quantum bit, qubit)는 양자 컴퓨터의 기본 정보 처리 단위이다. 고전 컴퓨터의 비트(bit)가 0 또는 1 중 하나의 상태만 가질 수 있는 것과 달리, 큐비트는 양역학의 중첩 원리에 따라 0과 1의 상태가 동시에 중첩된 상태를 가질 수 있다.

큐비트의 상태는 일반적으로 |0〉과 |1〉이라는 브라-켓 표기법으로 표현되는 두 개의 기저 상태의 선형 조합으로 설명된다. 하나의 큐비트 상태 |ψ〉는 |ψ〉 = α|0〉 + β|1〉와 같이 표현되며, 여기서 α와 β는 복소수 확률 진폭이다. 이 진폭의 절댓값 제곱(|α|²와 |β|²)은 각각 상태 |0〉과 |1〉을 측정할 확률을 나타내며, |α|² + |β|² = 1의 규칙을 따른다. 이러한 중첩 상태는 큐비트가 단일 연산으로 많은 양의 정보를 병렬 처리할 수 있는 잠재력을 제공한다.

큐비트의 물리적 구현 방식은 다양하며, 각 방식은 장단점을 가진다. 주요 구현체는 다음과 같다.

여러 큐비트가 얽힘 상태가 되면, 그 상태는 개별 큐비트 상태의 단순한 곱으로 표현할 수 없게 된다. 이는 n개의 얽힘된 큐비트 시스템이 2ⁿ개의 상태를 동시에 표현할 수 있음을 의미하며, 이는 양자 컴퓨팅의 병렬성의 근간이 된다. 그러나 큐비트 상태는 환경과의 상호작용으로 인한 결맞음 시간의 제한과 양자 오류에 매우 취약하다는 기술적 난제를 안고 있다.

양자 게이트는 양자 회로를 구성하는 기본적인 연산 단위이다. 고전 컴퓨터의 논리 게이트(AND 게이트, OR 게이트 등)와 유사한 역할을 하지만, 큐비트의 상태를 변환하는 양자역학적 연산을 수행한다. 양자 게이트는 유니터리 변환으로 표현되며, 이는 가역적이고 큐비트의 양자 중첩 상태를 보존하는 특성을 가진다.

단일 큐비트 게이트와 다중 큐비트 게이트로 구분된다. 대표적인 단일 큐비트 게이트로는 파울리-X 게이트(비트 플립), 파울리-Y 게이트, 파울리-Z 게이트(위상 플립), 아다마르 게이트(중첩 상태 생성), 위상 게이트 등이 있다. 예를 들어, 아다마르 게이트는 |0〉 상태를 (|0〉+|1〉)/√2 의 중첩 상태로 변환한다.

다중 큐비트 게이트는 두 개 이상의 큐비트 간의 상호작용을 구현하며, 양자 얽힘을 생성하는 데 핵심적이다. 가장 중요한 게이트는 CNOT 게이트(제어 NOT 게이트)이다. CNOT 게이트는 하나의 제어 큐비트와 하나의 대상 큐비트를 입력으로 받아, 제어 큐비트가 |1〉일 때만 대상 큐비트의 상태를 뒤집는다. 이 연산은 얽힌 상태인 벨 상태를 만드는 데 사용된다.

범용 양자 컴퓨팅을 위해서는 임의의 유니터리 변환을 근사할 수 있는 게이트 집합이 필요하다. 이론적으로, 단일 큐비트 게이트와 CNOT 게이트의 집합은 범용 양자 게이트 집합을 이룬다[3]. 실제 물리적 구현에서는 특정 하드웨어 플랫폼에 맞게 최적화된 기본 게이트 세트를 정의하여 사용한다.

초전도 큐비트는 초전도 전기 회로를 이용하여 큐비트의 양자 상태를 구현하는 방식이다. 이 접근법은 현재 대규모 양자 컴퓨터를 구축하는 데 가장 널리 채택되고 상업화가 진전된 기술 중 하나이다. 그 기본 아이디어는 초전도 상태에서 저항이 사라진 전기 회로에 인덕턴스와 커패시턴스를 조합하여 만들어지는 초전도 조셉슨 접합을 양자 비트의 핵심 소자로 사용하는 것이다.

초전도 큐비트의 에너지 준위는 인공 원자처럼 이산적이며, 가장 낮은 두 에너지 준위(바닥 상태와 첫 번째 들뜬 상태)를 이용해 큐비트의 |0⟩과 |1⟩ 상태를 정의한다. 이 상태는 마이크로파 펄스를 통해 조작된다. 초전도 큐비트의 주요 장점은 기존의 반도체 집적 회로 제조 기술을 상당 부분 활용할 수 있어 상대적으로 확장성이 좋다는 점이다. 또한, 상태의 판독과 제어가 전기 신호로 이루어지므로 기존 전자공학 시스템과의 통합이 용이하다.

주요 초전도 큐비트의 종류와 간단한 특징은 다음과 같다.

이 기술은 결맞음 시간 연장, 양자 오류 정정 구현, 그리고 수백에서 수천 개의 큐비트를 안정적으로 연결하는 확장성 문제 등 여전히 과제를 안고 있다. 그러나 IBM, 구글, Rigetti Computing 등의 기업과 연구기관이 이 분야를 선도하며 빠르게 발전시키고 있다.

이온 트랩은 전기장과 자기장을 조합하여 진공 속에 개별 원자 이온을 가두는 장치를 말한다. 주로 전자를 하나 잃어 양이온이 된 원자, 예를 들어 이트륨 이온이나 칼슘 이온 등을 사용한다. 포획된 이온은 레이저 냉각 기술을 통해 운동 상태를 극도로 제어하고, 그 내부 에너지 준위를 큐비트의 상태로 활용한다.

이 방식에서 큐비트의 논리 상태는 일반적으로 이온의 특정 전자 준위로 인코딩된다. 예를 들어, 안정한 기저 상태를 |0〉, 들뜬 상태를 |1〉으로 정의한다. 이들 상태 간의 조작은 정밀하게 조율된 레이저 펄스를 쏘아 양자 게이트 연산을 수행하는 방식으로 이루어진다. 여러 이온 큐비트 간의 얽힘은 공유되는 진동 모드(양자화된 운동 상태)를 매개로 형성된다.

이온 트랩 양자 컴퓨터의 주요 장점은 뛰어난 큐비트 품질과 긴 결맞음 시간이다. 진공 속에 격리되어 주변 환경과의 상호작용이 최소화되기 때문에 비교적 높은 충실도의 게이트 연산이 가능하다. 또한, 각 이온은 동일한 원자 종류이므로 큐비트 간의 균일성이 매우 높다는 장점도 있다.

반면, 시스템의 확장은 주요 과제로 남아 있다. 많은 수의 이온을 하나의 선형 트랩에 배열하면 제어가 복잡해지고, 게이트 속도가 느려질 수 있다. 이를 해결하기 위해 여러 개의 작은 트랩 모듈을 광학적 수단으로 연결하는 모듈러 구조나, 이온을 미세하게 제작된 전극 배열 위에서 이동시키는 '이온 칩' 기술 등의 연구가 활발히 진행되고 있다.

광자 기반 양자 컴퓨팅은 광자를 큐비트의 물리적 매체로 사용하는 접근법이다. 빛의 입자인 광자는 주변 환경과 상호작용이 약해 결맞음 시간이 매우 길다는 장점을 지닌다. 이는 양자 정보를 비교적 오랫동안 안정적으로 유지할 수 있게 해준다. 또한 광자는 광섬유나 집적 광회로를 통해 손실 없이 장거리 전송이 가능하여, 분산형 양자 컴퓨팅이나 양자 네트워크 구성에 유리하다.

이 방식에서 큐비트는 일반적으로 광자의 편광 상태나 위상 등으로 인코딩된다. 예를 들어, 수평 편광 상태를 |0⟩, 수직 편광 상태를 |1⟩으로 정의하여 중첩 상태를 만들 수 있다. 핵심 연산 장치로는 빔 스플리터, 위상 변조기, 비선형 광학 결정 등이 사용되어 양자 게이트 연산을 수행한다. 특히 선형 광학 양자 컴퓨팅은 비선형 소자를 최소화하면서도 이론적으로 범용 양자 컴퓨팅이 가능함을 보인 모델이다.

주요 실험 구성은 다음과 같은 요소들로 이루어진다.

현재 기술적 과제는 고품질 단일 광자원의 효율적 생성, 낮은 광학 손실, 그리고 높은 정확도의 광자 검출 효율 확보에 집중되어 있다. 양자 중첩과 양자 얽힘을 광자 쌍 생성 소자를 통해 구현하며, 벨 상태 측정과 같은 프로토콜이 중요한 역할을 한다. 이 접근법은 특히 양자 암호 통신과 양자 키 분배 분야에서 이미 상용화 수준에 이르렀으며, 장거리 양자 네트워크의 기반 기술로 평가받는다.

토폴로지컬 큐비트는 양자 오류 정정의 한계를 극복하기 위해 제안된 이론적 접근법이다. 기존의 물리적 큐비트는 환경과의 상호작용으로 인한 결맞음 시간 문제와 오류율이 높아, 실용적인 양자 컴퓨터를 구축하려면 수백만 개의 물리적 큐비트로 하나의 논리적 큐비트를 구성해야 하는 엄청난 오버헤드가 필요하다. 토폴로지컬 큐비트는 양자 정보를 물리적 상태가 아닌, 시스템의 전역적 토폴로지적 성질에 저장함으로써 국소적 결함에 강인한 내성을 갖도록 설계되었다.

이 방식의 핵심은 마요라나 페르미온이나 애니온과 같은 준입자를 활용하는 것이다. 예를 들어, 초전도체와 위상 절연체의 접합부 등에서 나타날 수 있는 마요라나 제로 모드는 공간적으로 분리된 두 지점에 쌍으로 존재하며, 이들의 브레이딩이라는 교환 연산을 통해 양자 정보를 처리한다. 정보는 개별 준입자의 상태가 아니라, 이들이 형성하는 꼬임 패턴(브레이드)에 저장되므로, 국소적인 섭동으로는 정보가 손상되지 않는다.

현실적인 구현은 여전히 큰 도전 과제로 남아 있다. 마요라나 준입자의 존재를 확실히 증명하고 제어 가능하게 배열하는 것이 선행되어야 한다. 마이크로소프트는 이 분야에 집중적인 연구 투자를 하고 있으며, 응집물질물리학과 나노과학의 발전이 실현을 위한 핵심 동력이 되고 있다. 성공한다면, 오류 정정에 필요한 자원을 극적으로 줄인 고효율 양자 컴퓨팅의 길을 열 수 있을 것으로 기대된다.

쇼어 알고리즘은 양자 컴퓨터를 이용하여 큰 정수를 다항식 시간 안에 소인수분해할 수 있는 양자 알고리즘이다. 1994년 수학자 피터 쇼어에 의해 제안되었으며, 기존 고전 컴퓨터에서 실용적으로 풀기 어려운 문제인 소인수분해를 효율적으로 해결할 수 있어 암호학 분야에 큰 영향을 미쳤다. 이 알고리즘의 존재는 RSA 암호와 같이 소인수분해의 난해함에 기반한 공개키 암호 체계의 안전성에 근본적인 위협이 될 수 있음을 보여주었다.

알고리즘의 핵심은 소인수분해 문제를 주기 찾기 문제로 변환한 후, 양자 푸리에 변환을 활용하여 그 주기를 효율적으로 찾는 데 있다. 주어진 합성수 N에 대해, N과 서로소인 정수 a를 선택한 후, 함수 f(x) = a^x mod N의 주기를 찾는다. 이 주기 r이 발견되면, 유클리드 호제법을 이용하여 N의 소인수를 높은 확률로 구할 수 있다.

쇼어 알고리즘의 연산 단계는 다음과 같이 요약할 수 있다.

이 알고리즘은 고전적인 부분(예: 최종 유클리드 호제법 적용)과 양자적인 부분(주기 찾기)이 결합된 하이브리드 형태이다. 양자 부분의 시간 복잡도는 O((log N)^3)이며, 필요한 큐비트 수는 O(log N) 수준이다. 이는 고전 알고리즘 중 가장 효율적인 일반 수체 체의 준지수 시간 복잡도와 비교하여 지수적 속도 향상을 의미한다. 그러나 현재의 노이즈가 있는 중간 규모 양자 장치로는 충분한 규모와 오류 정정 없이 이 알고리즘을 실행하기 어렵다.

그로버 알고리즘은 정렬되지 않은 데이터베이스에서 특정 항목을 검색하는 데 사용되는 양자 알고리즘이다. 1996년 로브 그로버에 의해 제안된 이 알고리즘은 고전 컴퓨터에서 평균적으로 N/2번의 쿼리가 필요한 문제를, 양자 컴퓨터를 이용해 약 √N번의 쿼리로 해결할 수 있게 한다. 이는 이차 속도 향상을 제공하며, 데이터베이스 검색 문제에 대한 최적의 양자 알고리즘으로 알려져 있다.

알고리즘의 핵심은 양자 중첩 상태에 있는 모든 데이터베이스 항목에 대해 진폭 증폭 과정을 반복적으로 적용하는 것이다. 초기에는 모든 항목의 진폭이 동일하게 분포되어 있다. 알고리즘은 두 가지 주요 연산, 즉 검색 조건을 만족하는 항목의 진폭 부호를 반전시키는 '오라클' 연산과 모든 진폭의 평균값을 기준으로 반전시키는 '확산' 연산을 번갈아 가며 적용한다. 이 과정을 통해 목표 항목의 양자 진폭은 점차 증폭되고, 다른 항목의 진폭은 감소한다.

이 과정은 고전적인 확률적 알고리즘과 유사해 보이지만, 양자 간섭 현상을 활용하여 목표 상태를 향한 진폭을 훨씬 더 효율적으로 집중시킨다. 알고리즘의 반복 횟수는 데이터베이스 크기 N에 대해 최적화되어 있으며, 너무 많이 반복하면 진폭이 다시 감소하기 시작한다. 그로버 알고리즘은 NP-완전 문제를 다항 시간에 해결하지는 못하지만, 다양한 조합 최적화 문제와 머신러닝 서브루틴에 응용될 수 있는 범용적인 검색 도구를 제공한다.

양자 푸리에 변환(QFT)은 고전 컴퓨팅의 이산 푸리에 변환을 양자 컴퓨팅의 프레임워크에 맞게 변형한 양자 알고리즘의 핵심 구성 요소이다. 이 변환은 양자 상태의 진폭에 적용되어, 입력 상태를 서로 다른 주파수 성분으로 분해한다. 양자 푸리에 변환의 가장 중요한 특징은 고전 이산 푸리에 변환에 비해 지수적으로 빠른 속도로 수행될 수 있다는 점이다. n개의 큐비트로 표현된 상태에 대한 양자 푸리에 변환은 약 O(n²)개의 기본 양자 게이트로 구현 가능하다[5].

양자 푸리에 변환의 회로는 주로 하다마드 게이트와 제어 위상 회전 게이트들의 계층적 구조로 구성된다. 이 변환은 그 자체로는 유용한 정보를 추출하지 못하며, 주로 더 큰 양자 알고리즘의 서브루틴으로 활용된다. 가장 유명한 예는 쇼어 알고리즘으로, 양자 푸리에 변환은 이 알고리즘에서 주기 찾기 문제를 해결하는 데 결정적인 역할을 한다. 또한 양자 위상 추정, 숨겨진 부분군 문제 등 여러 중요한 양자 알고리즘의 기초를 이룬다.

구현 측면에서 양자 푸리에 변환은 완벽한 정밀도로 실행하려면 무한히 정밀한 게이트가 필요하지만, 근사적으로 구현하는 것이 일반적이다. 근사 버전은 다항식 개수의 게이트만으로도 충분히 정확한 결과를 제공하여 실용성을 높인다. 아래 표는 고전 푸리에 변환과의 주요 차이점을 보여준다.

따라서 양자 푸리에 변환은 양자 알고리즘 설계에서 강력한 도구이지만, 그 결과는 양자 중첩 상태에 암호화되어 있어 최종 정보를 얻기 위해서는 신중한 측정과 다른 알고리즘 단계와의 결합이 필수적이다.

양자 화학 시뮬레이션은 양자 컴퓨터가 기존의 고전 컴퓨터보다 월등한 성능을 보일 것으로 기대되는 핵심 응용 분야 중 하나이다. 이는 분자나 재료의 전자 구조를 정확하게 계산하고 화학 반응의 메커니즘을 이해하는 것을 목표로 한다. 고전 컴퓨터로는 다전자 시스템의 슈뢰딩거 방정식을 정확하게 푸는 것이 계산 복잡도 문제로 인해 근본적으로 어렵다. 반면, 양자 컴퓨터는 양자 현상을 자연스럽게 표현할 수 있어, 이러한 문제를 본질적으로 더 효율적으로 처리할 수 있는 잠재력을 지닌다.

양자 컴퓨터를 이용한 시뮬레이션의 주요 접근법은 주어진 화학 시스템(예: 특정 분자)에 해당하는 해밀토니안을 구성하고, 이를 양자 회로에 맞는 양자 게이트 연산자들로 변환하는 것이다. 이후 양자 컴퓨터는 이 회로를 실행하여 시스템의 바닥 상태 에너지나 시간에 따른 진화와 같은 물리량을 추출한다. 예를 들어, 바리셔널 양자 고유 솔버 알고리즘은 양자 컴퓨터와 고전 컴퓨터를 결합하여 분자의 바닥 상태 에너지를 찾는 데 사용되는 대표적인 방법이다.

이 분야의 연구는 암모니아, 이산화탄소와 같은 작은 분자부터 복잡한 효소 반응에 이르기까지 다양한 시스템을 대상으로 진행되고 있다. 목표는 새로운 촉매 설계, 고효율 태양전지용 신소재 개발, 의약품 발견 과정의 가속화 등에 있다. 현재는 결맞음 시간과 양자 오류 정정의 한계로 인해 제한적인 규모의 시뮬레이션만 가능하지만, 양자 하드웨어의 발전과 더 정교한 알고리즘의 등장으로 그 정확도와 적용 범위가 점차 확대되고 있다.

최적화 문제는 주어진 제약 조건 하에서 목적 함수의 값을 최대화 또는 최소화하는 해를 찾는 문제이다. 전통적인 컴퓨터로는 해결하기 어려운 NP-난해 문제[7]에 속하는 많은 조합 최적화 문제들이 존재하며, 양자 컴퓨터는 이러한 문제를 더 효율적으로 풀 수 있는 잠재력을 가진다.

양자 컴퓨팅의 최적화 문제 접근법은 주로 양자 어닐링과 양자 근사 최적화 알고리즘(QAOA)으로 나뉜다. 양자 어닐링은 시스템의 바닥 상태(최소 에너지 상태)를 찾는 물리적 과정을 이용하여, 최적화 문제의 목적 함수를 이징 모델과 같은 물리 시스템의 해밀토니안으로 매핑하고 양자 요동을 통해 최적해에 접근한다. 반면, QAOA는 양자 회로 모델에 기반한 게이트형 양자 컴퓨터에서 실행되는 알고리즘으로, 고전적인 최적화 루틴과 짧은 깊이의 양자 회로를 반복하여 근사 최적해를 구한다.

이러한 양자 알고리즘은 아직 대규모 문제에 대해 결정적인 양자 우위를 입증하지는 못했으나, 특정 문제 클래스에서 고전 알고리즘 대비 속도 향상의 가능성을 보여준다. 응용 분야는 물류 경로 최적화, 금융에서의 포트폴리오 최적화, 약물 발견을 위한 분자 구조 최적화, 머신러닝의 하이퍼파라미터 튜닝 등 매우 다양하다. 현재의 기술 수준에서는 결맞음 시간과 양자 오류로 인해 문제의 규모가 제한되지만, 양자 오류 정정 기술의 발전과 함께 실용적인 영향력이 커질 것으로 전망된다.

양자 컴퓨팅은 고전 컴퓨터가 처리하기 어려운 특정 머신러닝 작업의 속도를 획기적으로 높일 수 있는 잠재력을 지닌다. 핵심 아이디어는 데이터를 큐비트의 중첩 상태로 표현하고, 양자 게이트 연산을 통해 고전적 공간에서는 탐색하기 어려운 복잡한 특징 공간을 효율적으로 탐색하는 데 있다. 이를 통해 대규모 데이터 세트의 패턴 인식이나 고차원 최적화 문제를 더 빠르게 해결할 수 있을 것으로 기대된다.

주요 접근 방식 중 하나는 양자 커널 방법이다. 이 방법은 데이터를 양자 상태로 매핑한 후, 그 상태들 사이의 겹침(내적)을 계산하여 고전적 커널보다 훨씬 복잡하고 표현력이 높은 특징 공간을 구성한다. 또 다른 중요한 분야는 양자 신경망으로, 파라미터화된 양자 회로를 가변적인 신경망 층처럼 사용하여 데이터를 학습한다. 양자 생성 적대 신경망은 복잡한 확률 분포를 양자 상태로 학습하여 새로운 데이터 샘플을 생성하는 데 활용될 수 있다.

현재의 노이즈 중간 규모 양자 장치에서는 양자-고전 하이브리드 알고리즘이 널리 연구된다. 대표적인 예가 변분 양자 고유값 솔버로, 머신러닝 모델의 파라미터 최적화에 적용될 수 있다. 양자 회로의 파라미터를 조정하여 손실 함수를 최소화하는 이 방식은 근사적인 양자 연산으로도 유용한 결과를 도출할 수 있다.

그러나 실용화까지는 여러 과제가 남아 있다. 제한된 결맞음 시간과 높은 오류율은 알고리즘의 깊이와 복잡성을 제약한다. 또한, 고전 데이터를 효율적으로 양자 상태로 인코딩하는 방법과, 양자 우위를 실현할 수 있는 의미 있는 머신러닝 작업을 찾는 것이 활발한 연구 주제이다.

양자 컴퓨터의 등장은 현대 암호학에 근본적인 변화를 예고한다. 특히 공개 키 암호 방식의 안전성은 특정 수학적 문제의 계산적 난이도에 의존하는데, 쇼어 알고리즘과 같은 양자 알고리즘은 이를 효율적으로 해결할 수 있기 때문이다. 구체적으로, 대표적인 공개 키 암호 체계인 RSA 암호와 타원곡선 암호는 각각 큰 수의 소인수 분해 문제와 이산 로그 문제의 어려움을 기반으로 설계되었다. 양자 컴퓨터는 이 문제들을 기존 컴퓨터에 비해 지수적으로 빠른 속도로 풀어낼 수 있어, 충분한 규모의 양자 컴퓨터가 실현되면 이 암호 체계들은 더 이상 안전하지 않게 된다[8].

이러한 위협에 대응하기 위해 양자 내성 암호 또는 포스트 양자 암호라고 불리는 새로운 암호 체계에 대한 연구가 활발히 진행되고 있다. 이 암호들은 양자 컴퓨터를 이용해도 쉽게 깨지지 않도록 설계된 수학적 문제, 예를 들어 격자 기반 암호, 코드 기반 암호, 다변량 다항식 암호 등을 기반으로 한다. 미국 국립표준기술연구소(NIST)를 중심으로 한 국제적인 표준화 작업이 진행 중이며, 여러 후보 알고리즘이 제안되고 평가받고 있다.

한편, 양자 컴퓨터는 암호 해독뿐만 아니라 새로운 형태의 암호 통신을 가능하게 하는 양자 키 분배 기술의 핵심이기도 하다. 양자 키 분배는 양역학의 원리를 이용해 두 당사자 사이에 암호키를 안전하게 공유하는 프로토콜이다. 이 과정에서 제삼자가 키를 훔치려고 시도하면 양자 측정의 특성상 필연적으로 시스템에 교란이 발생하여 도청 사실이 발각된다. 따라서 이론적으로는 도청이 불가능한(unconditionally secure) 통신 채널을 구축할 수 있는 가능성을 제시한다.

양자 오류 정정은 양자 컴퓨터의 실용화를 위해 극복해야 할 가장 핵심적인 기술적 장애물 중 하나이다. 양자 상태는 결맞음 시간 내에서도 환경과의 상호작용으로 인한 소산이나 게이트 연산의 불완전성으로 인해 쉽게 오류가 발생한다. 고전 컴퓨터의 비트 오류 정정과 근본적으로 다른 점은, 양자 정보는 불확정성 원리로 인해 직접 측정하여 복사할 수 없다는 점과, 오류의 종류가 비트 뒤집기 오류뿐만 아니라 위상 오류 등 더 다양하다는 점이다[9].

이 문제를 해결하기 위해 개발된 방법은 여러 개의 물리적 큐비트를 모아 하나의 논리적 큐비트를 구성하는 것이다. 대표적인 코드로는 9개의 물리적 큐비트로 1개의 논리적 큐비트를 보호하는 표면 코드가 있다. 이 코드는 큐비트를 2차원 격자 배열하고, 주기적으로 신드롬 측정을 수행하여 오류 발생 여부를 간접적으로 추론한다. 측정 결과를 분석하여 실제 데이터 큐비트에 어떤 오류가 발생했는지 추정한 후, 이를 수정하는 방식으로 작동한다.

양자 오류 정정의 실현을 위해서는 각 물리적 큐비트의 오류율이 특정 문턱값 미만으로 낮아야 한다는 양자 오류 정정 문턱 정리가 존재한다. 현재의 양자 프로세서는 이 문턱값을 아직 달성하지 못했으며, 따라서 논리적 큐비트의 오류율을 물리적 큐비트보다 낮게 만드는 데 성공한 사례는 없다. 연구의 주요 초점은 물리적 오류율을 �추고, 더 효율적인 오류 정정 코드를 개발하며, 정정에 필요한 큐비트 수와 연산 수를 줄이는 데 맞춰져 있다.

결맞음 시간은 양자 컴퓨터의 큐비트가 외부 환경과의 상호작용 없이 양자적 상태를 유지할 수 있는 시간을 의미한다. 이는 양자 정보 처리를 위한 가장 기본적이고 중요한 자원 중 하나이다. 결맞음 시간이 길수록 더 많은 양자 게이트 연산을 수행할 수 있으며, 복잡한 양자 알고리즘을 실행할 가능성이 높아진다. 결맞음 시간이 짧으면 큐비트의 양자 상태가 빠르게 손실되거나 변형되어 계산 결과를 신뢰할 수 없게 된다.

결맞음 시간은 일반적으로 T1 시간과 T2 시간으로 구분하여 측정한다. T1 시간은 에너지 완화 시간으로, 큐비트가 들뜬 상태에서 바닥 상태로 에너지를 방출하며 붕괴되는 데 걸리는 평균 시간을 나타낸다. T2 시간은 위상 결맞음 시간으로, 큐비트의 양자 중첩 상태의 상대적 위상 관계가 무작위 요동으로 인해 손실되는 시간 척도이다. 대부분의 경우 T2 시간이 T1 시간보다 짧으며, 실제 양자 연산에 있어 더 제한적인 요소로 작용한다.

결맞음 시간을 연장하기 위한 핵심 과제는 양자 노이즈를 최소화하는 것이다. 주요 노이즈 원인은 다음과 같다.

이러한 노이즈를 극복하고 결맞음 시간을 늘리기 위해 양자 오류 정정 코드의 도입이 필수적이다. 다수의 물리적 큐비트를 결합하여 하나의 논리적 큐비트를 구성함으로써, 개별 큐비트의 결함을 보정하고 전체적인 계산 안정성을 확보하는 것이 목표이다. 그러나 오류 정정 자체에도 많은 수의 큐비트와 게이트 연산이 필요하므로, 충분히 긴 결맞음 시간을 확보하는 것은 모든 양자 컴퓨팅 접근법의 성패를 가르는 핵심 기술적 장벽이다.

양자 컴퓨터의 실용화를 위해서는 소수의 큐비트를 다루는 수준을 넘어 수백, 수천 개 이상의 큐비트로 시스템을 안정적으로 확장하는 것이 핵심 과제이다. 확장성은 단순히 큐비트 수를 늘리는 것뿐만 아니라, 증가하는 큐비트들 모두를 높은 양자 결맞음 시간 내에서 정밀하게 제어하고, 이들 사이의 양자 얽힘을 유지하며, 발생하는 오류를 효과적으로 정정할 수 있는 물리적 및 공학적 인프라를 구축하는 것을 의미한다.

주요 구현 방식별 확장성 접근법과 장애요인은 다음과 같다.

확장성을 달성하는 데 있어 가장 큰 난관은 양자 오류 정정을 실현하는 것이다. 논리적 큐비트 하나를 높은 신뢰도로 유지하기 위해서는 물리적 오류율이 매우 낮은 수백에서 수천 개의 물리적 큐비트가 필요하다. 따라서 수백만 개의 논리적 큐비트를 갖춘 범용 양자 컴퓨터를 구상한다면, 이를 지탱할 물리적 큐비트는 억 단위에 이를 수 있다. 이처럼 방대한 시스템을 제어하기 위한 배선, 전력, 냉각 문제는 기존 반도체 기술의 한계를 넘어서는 새로운 패키징 및 시스템 통합 기술의 발전을 요구한다.