USA Rare Earth·Pasqal·Riven, 희토류 분리에 양자 머신러닝 적용 협력 추진

협력 배경: 중국 의존 탈피와 서방 공급망 강화

희토류 원소의 분리·정제는 아시아, 특히 중국이 압도적 역량을 보유한 영역이다. 디스프로슘·테르븀·이트륨 등 중희토류의 분리는 중국 외 지역에서 특히 취약한 기술 병목이다. 이 문제를 해결하기 위해 나스닥 상장사인 USA Rare Earth(USAR)와 Pasqal(PSQL), 그리고 Riven Systems가 손을 잡았다. 양자 머신러닝을 활용해 기존 추출제보다 희토류에 더 효과적으로 결합하는 신규 분리 분자를 발굴하는 것이 핵심 목표다. 미국과 프랑스의 핵심광물·양자컴퓨팅 분야 전문성을 결합한다는 점에서 기술 협력을 넘어선 지정학적 함의도 갖는다.

기술 구조: 자율실험실·양자 ML·R&D 검증의 3단계 파이프라인

협력의 기술 구조는 크게 세 단계로 구성된다. 먼저 Riven의 자율실험(self-driving) 실험실이 수천 건의 자동화 실험을 수행해 희토류 원소에 대한 추출제 선택성 데이터를 대규모로 생성한다. 이 데이터를 바탕으로 Pasqal의 중성원자(Neutral Atom) QPU는 양자 머신러닝 모델과 고전 컴퓨팅 기반 모델의 성능을 벤치마크 비교한다. 최종적으로 유망 후보 추출제는 USA Rare Earth의 콜로라도주 Wheat Ridge R&D 시설에서 검증을 거친 뒤 실제 공정 플로우시트에 통합될 예정이다. 세 기업은 이를 업계 최초의 엔드-투-엔드 추출제 발굴 공정으로 발전시키겠다는 구상을 밝혔다.

대상 원료: 3종 핵심 원자재 망라

이번 프로젝트가 다루는 원료는 텍사스주 Sierra Blanca 소재 Round Top 광산 원자재, 제3자로부터 공급받는 혼합희토류탄산염(MREC), 자석 제조 공정에서 발생하는 재활용 절삭 잔재물인 스와프(swarf)의 세 가지다. 원료 범위를 이렇게 설계함으로써 USA Rare Earth의 상·하류 전 공정에 연구 성과가 직결되도록 했다.

기대 효과와 현재 한계

신규 추출제 발굴이 성공할 경우 분리 단계 수 감소, 설비 규모 축소, 원자재 소비 절감, 탄소발자국 저감 효과가 기대된다고 세 기업은 밝혔다. 양자 ML 활용이 기존 수년에 걸친 시행착오를 단축하는 데 기여할 것이라는 논리다. 다만 이번 발표는 협력 합의 단계이며, 실증 데이터나 구체적 성능 수치는 아직 공개되지 않았다. 양자 ML이 고전 모델 대비 실질적 우위를 확보할지는 향후 벤치마크 결과에 달려 있으며, 상용화 일정도 제시되지 않았다.