• 신형 중국 광학 양자 칩, AI 워크로드 처리 시 엔비디아 GPU 대비 1,000배 빠르다는 주장 제기 - 해당 기업, 연간 12,000개 웨이퍼 생산 규모 보고

    엔비디아 또한 유사 광학 양자 기술에 투자하고 있습니다.

    article image

    양자 컴퓨팅은 아직 사회의 주류가 되기까지는 갈 길이 멀지만, 중국의 한 기업이 새로운 광학 양자 컴퓨팅 칩을 개발하며 격차를 좁히고 있습니다. 이 칩은 세계 최초의 확장 가능한 '산업용 등급' 양자 칩으로 불립니다. 사우스차이나모닝포스트에 따르면, 이 칩 개발사는 이 제품이 인공지능(AI) 작업에서 엔비디아(Nvidia) GPU보다 "1,000배 빠르다"고 주장하며, 현재 항공우주 및 금융 등 여러 산업에서 이미 사용되고 있다고 합니다.

    해당 칩은 CHIP Hub for Integrated Photonics Xplore(CHIPX)가 개발했으며, 포톤(광자)과 전자 회로를 결합하는 혁신적인 공동 패키징(co-packaging) 기술을 기반으로 합니다. CHIPX는 이 칩이 광범위한 상용 배포가 가능한 최초의 양자 컴퓨팅 플랫폼이라고 주장합니다. 이 광자 칩은 단일(monolithic) 설계 방식으로 작은 6인치 실리콘 웨이퍼 위에 1,000개가 넘는 광학 부품을 집적하여, 기존 양자 컴퓨터에 비해 압도적으로 작은 크기를 자랑합니다.

    이러한 여러 요인 덕분에, 이 양자 칩을 탑재한 시스템은 기존 양자 컴퓨터가 수개월에 걸쳐 배치되던 것과 비교해 단 2주 만에 배포가 가능했습니다. 또한, 이 설계는 AI GPU처럼 여러 칩 간의 병렬 작동을 가능하게 하여, 배포 규모를 "쉽게" 확장함으로써 100만 큐비트 규모의 양자 처리 능력을 지원할 수 있다고 합니다.


    빌 게이츠가 지원한 실리콘 포토닉스 스타트업, 현 기술 대비 10,000배 작은 광학 트랜지스터 개발

    CHIPX의 광학 양자 칩은 큐비트의 정보 전달 매개체로 물질 기반 재료 대신 빛(광자)을 사용합니다. 빛은 컴퓨터 처리에 있어 일반 전기에 비해 여러 이점을 갖습니다. 물리적 공간을 차지하지 않고, 열 발생이 없으며, 전기보다 훨씬 효율적이고 빠르게 전송되기 때문입니다. 특히 AI의 발달로 데이터 센터의 전력 소비가 급증함에 따라, 광학 컴퓨팅은 전기 연결의 잠재적 대체재로 전 세계 과학계와 기업의 주목을 받고 있습니다.

    article image

    다만, 중국이 개발한 이 새로운 양자 칩이 가진 현재의 가장 큰 난관은 사용되는 재료의 민감성 때문에 대량 생산에 어려움을 겪는 점입니다. 해당 칩을 생산하는 시설들은 연간 약 12,000개의 웨이퍼를 생산하며, 각 웨이퍼당 약 350개의 칩을 얻을 수 있다고 보고되었습니다. 이는 일반적인 반도체 팹(fab)에 비하면 비교적 낮은 생산 수율입니다.

    이 새로운 양자 칩에 대해서는 여전히 밝혀지지 않은 많은 부분이 있습니다. 이 칩이 진정한 주류 시장에 진입하기 위해 어떤 기술적 병목 현상들이 해결되어야 하는지(생산 문제를 제외하고)는 알 수 없습니다. 그러나 그럼에도 불구하고, 중국은 양자 컴퓨팅 분야에서 서방 국가들을 추월하겠다는 강력한 의지를 보여주고 있습니다. 만약 "엔비디아 GPU보다 1,000배 빠르다"는 주장이 사실이라면, 이는 엄청난 기술적 성과이지만, 본질적으로 고전 컴퓨터가 상상할 수 없는 속도로 연산을 수행하는 양자 컴퓨터의 영역에서는 결코 이례적이지 않은 이야기일 것입니다.

    비록 서방 기업들로부터 이토록 작고 확장성이 높은 양자 컴퓨터를 본 적은 없지만, 엔비디아와 같은 기업들이 양자 컴퓨팅 분야에 막대한 자금을 투입하고 있는 만큼, 가까운 시일 내에 가능할 수도 있습니다.


    최신 뉴스, 분석 및 리뷰를 피드에서 받아보려면 Google News에서 Tom's Hardware를 팔로우하거나 즐겨찾는 출처로 추가해 주세요.

    [출처:] https://www.tomshardware.com/tech-industry/quantum-computing/new-chinese-optical-quantum-chip-allegedly-1-000x-faster-than-nvidia-gpus-for-processing-ai-workloads-but-yields-are-low