[퀀텀포커스] 인공지능 뛰어넘는 '양자 인공지능' 온다... 국내 연구진, 알고리즘 개발

국내 연구팀이 비선형 양자 기계학습 인공지능 알고리즘을 개발했다.

차세대 게임 체인저로 주목받고 있는 양자 컴퓨터와 함께 양자 인공지능 개발의 중요성도 높아지고 있다. 양자 컴퓨터와 양자 인공지능은 일차방정식을 잘 푸는 선형적인 성질을 가지고 있어 복잡한 데이터를 다루는 비선형적 기계학습에는 한계를 보여왔다. 이에 양자 컴퓨터에 맞는 양자 알고리즘 개발의 필요성이 제기됐다.

카이스트(KAIST) 이준구 교수팀은 비선형 커널을 개발해 복잡한 데이터를 양자 기계 학습하는 방법을 밝혀냈다.

먼저, 학습 데이터와 테스트 데이터를 양자 정보로 생성한다. 이후 양자 정보의 병렬연산을 돕는 양자포킹 기술과 간단한 양자 측정기술을 조합했다. 그 결과, 양자 데이터 간 유사성을 효율적으로 계산하는 비선형 커널 기반의 지도학습이 가능한 양자 알고리즘 체계가 만들어졌다. 연구팀은 IBM 클라우드 서비스를 통해 실제 양자 컴퓨터에서 양자 지도학습을 시연하는 데 성공했다. 이 교수팀이 개발한 양자 지도학습 알고리즘은 매우 적은 계산량으로 연산할 수 있어 대규모 계산량이 필요한 현재의 AI 기술을 추월할 수 있다는 기대를 모으고 있다.

기계학습에 있어 중요한 문제 중 하나는 주어진 데이터의 특징(feature)을 구분해 분류하는 것이다. 간단한 예로 동물 이미지 학습데이터에서 입, 귀 등의 특징을 바탕으로 분류하기 위한 결정 경계(decision boundary)를 학습하고 새로운 이미지가 입력되었을 때 개 또는 고양이로 분류하는 작업을 생각해볼 수 있다. 데이터의 특징들이 잘 나타나는 경우에는 선형적 결정 경계만으로 분류할 수 있다. 그러나 입과 귀 모양의 특징으로만 개와 고양이를 분류하기 쉽지 않다면 새로운 결정 경계를 찾기 위해 특징에 관한 정보 공간의 차원을 확장해야 하는데 이러한 과정에서 비선형 커널 기술이 필요하다.

양자컴퓨팅은 고전 컴퓨팅과는 달리 큐비트(quantum bit, 양자컴퓨팅 정보처리의 기본 단위)의 개수에 따라 정보 공간의 차원이 기하급수적으로 증가하기 때문에 이론적으로 고차원 정보처리에 있어 기하급수적으로 뛰어난 성능을 낼 수 있다.


연구팀은 양자 컴퓨팅의 장점을 활용해 데이터 특징 대비 기하급수적인 계산 효율성을 달성하는 양자 기계학습 알고리즘을 개발했다. 알고리즘은 다음과 같은 방식으로 작동된다. 저차원 입력 공간에 존재하는 데이터는 큐비트로 표현되는 고차원 데이터 특징 공간으로 옮겨진다. 알고리즘은 양자화된 모든 학습 데이터와 테스트 데이터 간의 터널 함수를 양자 중첩을 활용해 동시에 계산하고 테스트 데이터를 효율적으로 분류한다. 이때 사용되는 양자 회로의 계산 복잡도는 학습 데이터양에 대해서는 선형적으로 증가하나, 데이터 특징 개수에 대해서는 로그(log)함수로 매우 천천히 증가하는 장점이 있다.

더불어, 이 교수팀은 양자 회로의 체계적 설계를 통해 다양한 양자 커널 구현이 가능함을 이론적으로 증명해냈다. 커널 기반 기계학습에서는 주어진 입력 데이터에 따라 최적 커널이 달라지는 단점이 있다. 이번 양자 기계학습 알고리즘 개발로 다양한 양자 커널을 효율적으로 구현할 수 있게 된 점은 양자 커널 기반 기계학습의 실제 응용에 있어 매우 중요한 성과다.

KAIST 박경덕 연구교수가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 네이처 자매지인 'NPI 퀀텀 인포메이션(NPI Quantum Information)' 2020년 5월 6권에 게재됐다.

차진희 기자 postmoneynews@gmail.com

더저스티스(The Justice)는 모든 기사에 대한 독자여러분의 의견을 수렴하고 있습니다. 위 기사에 대한 소감, 정정이나 이의제기, 반박등의 의견이 있으시면 아래 이메일로 보내주시기 바랍니다. 보내주신 내용을 확인 후, 신속히 답변 드리겠습니다.

postmoneynews@gmail.com