IBM과 매사추세츠 공과대학(MIT)은 인공지능, 알고리즘, 양자 컴퓨팅 분야의 기초 연구를 발전시키기 위한 새로운 공동 연구 기관인 MIT-IBM 컴퓨팅 연구소를 설립했습니다. 이 연구소는 기존 시스템의 실질적인 한계를 뛰어넘는 컴퓨팅 방식에 중점을 둘 것입니다. MIT-IBM 컴퓨팅 연구소는 2017년 MIT 캠퍼스에 설립된 MIT-IBM 왓슨 AI 연구소에서 발전한 것으로, 인공지능이 광범위하게 활용되고 양자 컴퓨팅이 실용화 단계로 나아가고 있는 기술 환경의 변화를 반영합니다.
MIT 지도부는 새로운 연구소가 모델링, 알고리즘, 시스템 설계 전반에 걸쳐, 특히 인공지능과 양자역학의 교차점에서 심층적인 공동 개발을 위한 수단이 될 것이라고 설명했습니다. 또한, 이번 노력을 지난 10년간 파트너들이 이뤄낸 성과를 계승하고, 학문적 엄밀성과 산업적 관련성을 갖춘 장기적인 연구를 지속하기 위한 메커니즘으로 자리매김했습니다.
연구 분야: 인공지능, 알고리즘, 양자 컴퓨팅 및 하이브리드 시스템
연구소의 기술적 목표는 다양한 분야에 걸친 협력적인 노력에 중점을 두고 있습니다.
주요 연구 분야 중 하나는 인공지능(AI) 및 하이브리드 컴퓨팅으로, 기존 컴퓨팅과 고급 AI 기법, 그리고 적절한 경우 양자 컴퓨팅 요소를 결합하는 접근 방식을 탐구합니다. 목표는 실질적이고 운영적인 개선에 중점을 두고 AI 기능을 생산 중심의 컴퓨팅 환경에 통합하는 것을 강화하는 것입니다.
또한, 연구실은 작고 효율적인 언어 모델 아키텍처와 새로운 AI 컴퓨팅 패러다임 개발에 중점을 두고 있습니다. 이러한 노력은 기업 환경에 적용 가능한 관점에서 이루어지며, 특히 신뢰성, 투명성, 안정성과 같은 시스템 속성에 주목합니다. 이는 단순히 연구용 프로토타입을 만드는 데 그치지 않고, 실제 환경의 제약 조건을 충족하는 운영 시스템을 구축하는 데 초점을 맞추고 있음을 의미합니다.
이 연구 계획에는 재료 과학, 화학, 생물학 등 다양한 분야와 관련된 복잡한 문제들을 해결하는 데 필요한 양자 알고리즘 및 수학적 기초에 대한 연구도 포함됩니다. 더불어, 차세대 컴퓨팅의 수학적 및 알고리즘적 기반을 폭넓게 탐구하여 기초적인 이해와 역량을 향상시키는 것을 목표로 합니다.
연구실에서는 머신러닝 이론, 최적화, 해밀턴 시뮬레이션, 편미분방정식(PDE) 등 다양한 분야의 기초 연구를 강조했습니다. 이러한 분야는 대규모 동적 시스템 근사화에 있어 종종 병목 현상을 일으키는데, 기존 방법들은 정확도, 비용 또는 둘 다에서 어려움을 겪습니다. 여러 응용 분야가 예시로 제시되었지만, 핵심 기술적 목표는 시뮬레이션 및 최적화 방법을 개선하여 더 높은 정확도의 예측과 더욱 효율적인 컴퓨팅 파이프라인을 구축하는 것입니다.
MIT의 계획 및 IBM의 양자 로드맵과의 연계
MIT는 해당 연구소가 MIT 생성형 AI 영향 컨소시엄과 MIT 양자 이니셔티브라는 두 가지 MIT 차원의 노력에 기여한다고 언급했습니다. IBM은 2029년까지 내결함성 양자 컴퓨터를 개발하겠다는 계획과 양자 시스템을 고성능 컴퓨팅 및 AI 가속기와 긴밀하게 통합하는 양자 중심 슈퍼컴퓨팅을 향한 광범위한 노력을 재확인했습니다.
연구실 구조 및 리더십
연구소는 MIT CSAIL의 선임 연구원인 오드 올리바와 IBM 리서치의 AI 기초 부문 부사장인 데이비드 콕스가 공동으로 계속 이끌 예정입니다. 세 가지 분야에 걸쳐 공동 책임자가 임명되었습니다.
- AI: 제이콥 안드레아스(MIT EECS) 및 케니 응(IBM 연구소; MIT-IBM 과학 프로그램 관리자)
- 알고리즘: Vinod Vaikuntanathan(MIT EECS) 및 Vasileios Kalantzis(IBM Research)
- 양자역학: 아람 해로우(MIT 물리학과) 및 백한희(IBM, 양자 알고리즘 센터)
MIT는 또한 MIT 슈워츠만 컴퓨팅 대학 학장인 댄 허튼로커를 해당 연구소의 MIT 공동 의장으로 임명했습니다.
이전 실험의 현재까지의 결과물
MIT와 IBM은 새로운 연구소가 왓슨 AI 연구소의 규모와 연구 성과를 기반으로 구축될 것이라고 밝혔습니다. 이전 협력 사업을 통해 150명 이상의 MIT 교수진과 200명 이상의 IBM 연구원이 참여한 210개 이상의 연구 프로젝트가 지원되었으며, 그 결과 1,500편 이상의 동료 심사 논문이 발표되었습니다. 또한 500명 이상의 학생 및 박사후 연구원을 위한 자금 지원을 통해 연구 성과와 더불어 인력 개발을 지속적인 성과로 삼고 있습니다.
IBM과 Dallara는 공기역학 설계 워크플로우를 위한 AI 및 양자 컴퓨팅 탐색 기능을 발표했습니다.
MIT-IBM 연구소 출범에 이어 별도로 발표된 내용에서 IBM과 달라라 그룹은 인공지능을 물리 기반 차량 공기역학에 적용하고, 시뮬레이션 위주의 설계 주기를 보완할 수 있는 양자 및 하이브리드 양자-고전적 방법을 탐구하는 데 중점을 둔 협력을 공개했습니다.
물리 기반 AI를 활용하여 CFD 기반 반복 계산 속도를 높이는 방법
본 프로젝트는 모터스포츠 및 고성능 차량 개발에서 잘 알려진 제약 조건인 '전산 유체 역학(CFD)은 정확하지만 비용이 많이 들고, 반복적인 형상 탐색은 한 번 스캔에 몇 시간씩 걸릴 수 있으며 전체 개발 워크플로우에서는 몇 주 또는 몇 달까지 걸릴 수 있다'는 문제를 해결하고자 합니다.
IBM과 Dallara는 LMP2급 경주용 자동차 콘셉트 모델의 후방 디퓨저 구성을 여러 가지로 평가하기 위한 물리 기반 AI 방식의 초기 결과를 발표했습니다. 비교 결과, 기존의 전산유체역학(CFD) 방식으로는 모든 구성을 계산하는 데 몇 시간이 걸렸습니다. 반면, AI 방식은 동일한 평가를 약 10초 만에 완료했으며, 오차 범위는 CFD 방식과 유사했고, 최적의 구성을 찾아냈습니다.
IBM은 이를 통해 수백 가지 구성에 대한 평가 시간을 며칠에서 몇 분으로 단축할 수 있으며, 설계 주기 초기에 탐색을 가능하게 하고 심층적인 검증 및 최종 최적화를 위해 전체 CFD(전산 유체 역학)를 활용할 수 있다고 설명했습니다. 또한 이번 발표에서는 후방 디퓨저 각도를 -2도에서 +4도까지 조정하는 압력장 모델링에 대한 내용도 언급되었으며, AI 출력 결과가 CFD 결과와 매우 유사하다고 설명했습니다.
양자 및 하이브리드 접근 방식 평가 중
이와 동시에 연구팀은 양자 또는 하이브리드 양자-고전 기술이 시뮬레이션 및 최적화 워크플로우에 어떻게 적용될 수 있는지 평가하고 있다고 밝혔습니다. 단기적인 목표는 탐색적 접근으로, 이러한 방법이 기존 CFD 파이프라인을 보완할 수 있는 워크로드를 파악하고, 양자 시스템이 성숙해짐에 따라 장기적인 기회를 모색하는 것입니다.
연구 논문 및 모델 계보(arXiv 및 ICLR)
IBM과 Dallara는 이번 연구를 최근 발표된 논문들과 연관지었습니다.
- 초기 협력 결과는 다음과 같이 기술되었습니다. 2026년 4월 20일자 arXiv 사전 공개 논문.
- 본 연구는 IBM의 게이지 불변 스펙트럼 변환기(GIST) 모델을 기반으로 하며, 해당 모델은 다음 문헌에서 참조됩니다. 3월 17일 사전 공개 논문.
해당 기업들은 2026년 4월 26일 리우데자네이루에서 열린 국제 학습 표현 컨퍼런스(ICLR)에서 관련 연구 결과를 발표했다고 밝혔습니다.
달라라(Dallara)의 CIO인 파브리치오 아르부치(Fabrizio Arbucci)는 고성능 차량에 처음 적용된 신경망 기반 대체 모델의 광범위한 중요성을 강조했습니다. 그는 항력을 1~2% 줄이는 것과 같은 공기역학적 효율성 향상이 승용차와 항공기를 포함한 다양한 운송 수단에서 상당한 연료 절감을 가져올 수 있으며, 공기역학에 의존하는 산업에 큰 도움이 될 수 있다고 역설했습니다.
아마존