국내 연구진이 기존 인공지능 기술을 뛰어넘는 양자 인공지능 알고리즘을 고안해 입증했다.

한국과학기술원(KAIST)는 전기및전자공학부 및 AI 양자컴퓨팅 IT 인력양성연구센터 이준구 교수 연구팀이 독일 및 남아공 연구팀과의 협력 연구를 통해 비선형 양자 기계학습 인공지능 알고리즘을 개발했다.

이번에 개발한 양자 지도학습 알고리즘은 학습에 있어 매우 적은 계산량으로 연산이 가능하다. 대규모 계산량이 필요한 현재의 인공지능 기술을 추월할 가능성을 제시한 것으로 평가를 받고 있다. 즉, 기존 컴퓨터로는 풀 수 없는 문제를 양자역학적 현상을 활용해 빠른 속도로 풀 수 있다는 얘기다.

일차방정식을 잘 푸는 '선형적' 성질을 갖고 있어 복잡한 데이터를 다루는 인공지능 분야 '비선형적' 기계학습(머신러닝)에 적용하기 어렵다. 기계학습은 주어진 데이터의 특징(feature)을 구분해 분류하는 것이 핵심 기술이다.

이준구 교수팀은 학습데이터와 테스트데이터를 양자 정보로 생성한 후 양자 정보의 병렬연산을 가능하게 하는 양자포킹 기술과 간단한 양자 측정기술을 조합해 양자 데이터 간의 유사성을 효율적으로 계산하는 비선형 커널 기반의 지도학습을 구현하는 양자 알고리즘 체계를 만들었다.
 

연구팀은 양자컴퓨팅의 장점을 활용해 데이터 특징 대비 기하급수적인 계산 효율성을 달성하는 양자 기계학습 알고리즘을 개발했다. 양자 컴퓨팅은 우리가 쓰는 컴퓨터가 쓰는 연산의 기본 단위인 비트를 쓰지 않고 큐비트(quantum bit)를 쓴다. 큐비트는 개수에 따라 정보 공간의 차원이 기하급수적으로 증가한다.

연구팀이 개발한 알고리즘은 저차원 입력 공간에 존재하는 데이터들을 큐비트로 표현되는 고차원 데이터 특징 공간으로 옮긴 후, 양자화된 모든 학습데이터와 테스트데이터 간의 커널 함수를 양자 중첩을 활용해 동시에 계산하고 테스트데이터의 분류를 효율적으로 결정한다. 사용되는 양자 회로의 계산 복잡도는 학습 데이터양에 대해서는 선형적으로 증가하나, 데이터 특징 개수에 대해서는 불과 로그함수로 매우 천천히 증가하는 장점이 있다.

연구팀은 양자 회로의 체계적 설계를 통해 다양한 양자 커널 구현이 가능함을 이론적으로 증명했다. 커널 기반 기계학습에서는 주어진 입력 데이터에 따라 최적 커널이 달라질 수 있으므로, 다양한 양자 커널을 효율적으로 구현할 수 있게 된 점은 양자 커널 기반 기계학습의 실제 응용에 있어 매우 중요한 성과다.

실제 연구팀은 IBM이 클라우드 서비스로 제공하는 다섯 개의 큐비트로 구성된 초전도 기반 양자 컴퓨터에서 이번에 개발에 성공한 양자 기계학습 알고리즘을 실험적으로 구현해 양자 커널 기반 기계학습의 성능을 실제 시연을 통해 이를 입증하는 데 성공했다.

연구에 참여한 박경덕 연구교수는 "연구팀이 개발한 커널 기반 양자 기계학습 알고리즘은 수년 안에 상용화될 것으로 예측되는 수백 큐비트의 NISQ 컴퓨팅의 시대가 되면 기존의 고전 커널 기반 지도학습을 뛰어넘을 것ˮ이라면서 "복잡한 비선형 데이터의 패턴 인식 등을 위한 양자 기계학습 알고리즘으로 활발히 사용될 것ˮ이라고 말했다.

이번 연구 결과는 국제 학술지 '엔피제이 퀀텀 인포메이션'(npj Quantum Information) 지난 5월호에 실렸다.