QuantLase, PIPU 광자 컴퓨팅 플랫폼을 7개 금융시장 데이터셋으로 초기 검증

빛으로 계산한다는 발상 — PIPU란 무엇인가

PIPU는 빛의 물리적 거동 자체를 연산 자원으로 활용하려는 시도다. 전자 소자 간 정보 전달 역할에 머물던 빛을 연산 과정에 직접 참여시킨다는 개념으로, 위상이 일정하게 유지되는 결맞음(coherent) 광원을 공간 패턴 변조 장치에 통과시킨 뒤 검출기로 받고, 그 결과를 피드백 루프에 반영하는 구조다. QuantLase는 이 시스템이 고도로 질서 잡힌 상태와 카오스적 상태의 경계인 이른바 '혼돈의 경계(edge of chaos)' 근방에서 작동한다고 밝혔다. 이 영역에서 입력 변화에 민감하게 반응하면서도 출력의 구조적 유용성을 유지할 수 있는지 여부가 핵심 연구 질문이다.

7개 금융 데이터셋 적용 실험

이번 실험에서는 Apple, Amazon, NVIDIA, JPMorgan Chase, 아부다비 소재 First Abu Dhabi Bank, ADNOC, 인도의 Reliance Industries 등 미국·중동·아시아에 걸친 7개 기업의 시장 데이터가 활용됐다. QuantLase는 금융 데이터를 투자 또는 거래 상품 개발의 기반이 아닌, 시간에 따라 복잡하게 변화하는 정보를 처리하는 능력을 시험하는 까다로운 벤치마크 환경으로 선택했다고 밝혔다. 실험은 두 단계로 진행됐다. 첫 단계에서 시스템이 관측 구간 내 패턴을 추적하는지 확인하고, 이후 추가 학습 없이 스스로 궤적을 생성하는 자율 예측 단계로 전환했다. 각 데이터셋에는 동일한 광범위 파라미터 범위가 적용됐으나, 후속 처리에서는 데이터셋별 세부 설정이 유지됐다.

비교 대상과 한계

QuantLase는 물리 광학 실험 결과를 단기 시험 체제에서 작동하는 AI 시계열 예측 시스템, 그리고 PIPU 방정식을 디지털로 구현한 GPU 시뮬레이션과 비교했다. 물리 실험에서 광학 거동이 광자 변환을 담당한 반면, GPU는 데이터 처리와 전자 제어, 시스템 인터페이스를 지원하는 하이브리드 구조다. 두 번째 백서에 평균 거동·변동성·예측 오차 등의 정량 지표가 포함됐다고 밝혔고, 관련 데이터셋은 연구 저장소 Zenodo를 통해 공개될 예정이다.

그러나 현재 공개된 내용에는 기존 디지털 방식 대비 우위를 입증할 처리 속도·에너지 소비·비용 등 시스템 수준의 수치가 없다. 예측 궤적을 생성했다는 사실 자체가 예측 정확도를 보장하지 않으며, 이후 실제 관측값과의 비교가 별도로 필요하다. 해당 백서는 동료 심사(peer review)를 거친 학술 논문이 아니라는 점도 명시됐다.

향후 계획과 상용화 경로

QuantLase는 더 넓은 데이터셋, 반복 실험, 장기 평가 기간 확보, 추가 공학 개선을 외부 접근 허용 전 우선 과제로 제시했다. 상용화 경로로는 디지털·클라우드 인터페이스를 통해 광자 처리에 접근하는 관리형 서비스(managed service)가 제안됐으며, IHC와의 협력 체계하에 기술 준비도 및 거버넌스 조건이 충족돼야 실제 배포가 가능하다고 밝혔다.