양자로 인해 5가지 산업의 미래가 변화하는 방식

기업 고객은 Honeywell의 양자 컴퓨터를 지금 사용하여 이 기술의 성능을 탐색할 수 있습니다.

산업 전반에서 양자 컴퓨팅은 최적화부터 시뮬레이션과 기계 학습까지 광범위한 문제를 해결합니다.

"우리는 계산 성능, 운영 비용 및 속도를 획기적으로 개선할 수 있는 양자 컴퓨팅 기술의 미래에 대해 매우 기대하고 있습니다." Honeywell Quantum Solutions 사장 Tony Uttley의 말입니다.   "Honeywell System Model H0의 상용 출시를 통해 여러 조직과 협력하여 양자 컴퓨팅을 통해 비즈니스에 가치를 실현할 수 있는 방법을 탐색하게 되기를 고대합니다."

또한 Microsoft의 Azure Quantum과 Honeywell의 파트너십은 연구자와 과학자가 Honeywell의 양자 컴퓨팅 시스템에 빠르고 쉽게 액세스할 수 있는 개방적인 에코시스템을 제공하므로 양자 컴퓨팅을 훨씬 더 손쉽게 이용할 수 있을 것입니다.

양자 컴퓨팅이 산업을 변화시킬 수 있는 방식은 다음과 같습니다.

항공우주

항공우주 회사는 해결책이 복잡한 여러 가지 문제점에 직면합니다. 예를 들어 대규모 폭풍 때문에 항공사 운항이 중단될 위험이 있다고 가정해 보겠습니다. 양자 컴퓨터는 기하급수적인 변수를 고려하여 각 항로에 대한 최적의 대안을 결정할 수 있으므로 중단으로 인한 영향을 줄일 수 있습니다. 또 다른 과제를 꼽자면 전국 또는 전 세계에서 항공사가 비행기용 예비 부품을 사전 배치할 수 있는 가장 좋은 공항 위치를 선정하는 일이 있습니다. 양자 컴퓨팅은 승객, 승무원, 정비 일정에 미치는 영향을 최소화하도록 자원을 할당하는 가장 좋은 방법을 찾는 데 도움이 될 수 있습니다.

화학

양자 컴퓨팅은 새로운 분자 구조의 속성과 작용을 시뮬레이션하는 용도 등 화학 분야에서 다양하게 응용할 수 있습니다. "양자 컴퓨팅은 양자 역학의 확률적 문제를 해결할 수 있는 독자적인 기능을 갖추고 있으므로 분자 모델링에 특히 적합합니다."라고 Honeywell 고성능 재료 및 기술과 UOP 비즈니스 부문 최고 기술 책임자 Gavin Towler의 말입니다. "미래에는 양자 컴퓨팅을 사용하여 지구 온난화 영향이 낮은 새로운 냉매 및 이산화탄소를 회복하는 새로운 용제 등 새로운 분자의 분자 특성을 예측할 수 있기를 희망합니다."

의료 및 제약

Honeywell 생명 과학 및 특수 화학 제품 부문 부사장 겸 총괄 관리자 Cynthia Pussinen에 따르면 새로운 의료 요법이 발견 단계부터 환자를 대상으로 상용화되기까지는 평균 10 ~ 13 년과 25억 달러 이상이 소요됩니다. 성공 확률은 실패 쪽에 압도적으로 치우쳐 있습니다.   "양자 컴퓨팅의 성능을 활용하면 제약 연구 및 개발 프로세스의 다양한 단계에 대한 일정을 대폭 단축하고 품질을 향상할 잠재력을 갖출 수 있습니다." Cynthia의 말입니다. "가장 이상적인 초기 응용 기회는 표적 식별 및 검증, 분자 구조의 인실리코(컴퓨터) 모델링, 최적화 등 핵심 초기 단계에 존재할 것으로 예상됩니다." Cynthia의 예측에 따르면 생명 과학 기업은 양자 컴퓨터의 모델링 시스템을 통한 개선 사항 덕분에 평균 임상 전 단계를 무려 3 ~ 6년 단축하여 약물 개발 속도를 높이고 비용을 절감할 수 있다고 합니다.

물류 및 로봇 공학

배송 및 전자 상거래 회사의 사업은 상품을 한 장소에서 다른 장소로 효율적이고 안전하게 이동하는 데 달려 있습니다. 이렇게 하려면 창고, 공장 및 유통 센터 전반에 걸쳐 장비에 센서가 필요하므로 데이터가 대량으로 발생합니다. 기계 학습 알고리즘은 이러한 데이터를 가져오고 통찰을 사용하여 의미 있는 의사 결정을 내립니다. 양자 컴퓨팅은 가장 의미 있는 데이터를 캡처하고 기계 학습 프로세스의 속도를 높이기 위해 센서를 내장할 최적의 장소를 식별할 수 있습니다. 또한 양자 기술은 직원이나 로봇이 창고에서 이동하는 가장 효율적인 경로를 판단할 수 있습니다.

재무

양자 컴퓨팅은 금융 기관에서 고객의 문제를 해결하는 데도 도움이 될 수 있습니다. 투자의 경우 양자 컴퓨터는 투자 포트폴리오를 최적화하고 변종 금융 파생 상품의 가격을 결정하는 데 도움이 됩니다. 또한 이 기술은 기관이 변칙적인 거래를 더 정확하게 특성화하고 사기를 더 신속하게 감지하는 데도 도움이 됩니다.