[굿모닝충청 권성하 기자] KAIST 전기및전자공학부와 AI양자컴퓨팅 IT인력양성연구센터 이준구 교수 연구팀이 해외 연구팀과 협업으로 비선형 양자 기계학습 인공지능 알고리즘을 개발했다.
7일 KAIST에 따르면 이준구 교수팀은 독일과 남아공 연구팀과 협력 연구를 통해 IBM 클라우드 서비스에서 실제 양자컴퓨터 상의 양자 지도학습을 시연하는데 성공했다.
KAIST 박경덕 연구교수가 공동 제1 저자로 참여한 이번 연구결과는 국제 학술지 네이처 자매지인 'npj Quantum Information'지 2020년 5월호 6권에 게재됐다. 논문명은 'Quantum classifier with tailored quantum kernel'이다.
'양자 인공지능'은 양자컴퓨터의 발전과 함께 현재의 인공지능기술을 앞설 것으로 기대를 모으고 있지만 연산 방법이 달라 새로운 양자 알고리즘 개발이 절실하다.
양자컴퓨터는 본질적으로 일차방정식을 잘 푸는 선형적 성질을 가지고 있어 복잡한 데이터를 다루는 비선형적 기계학습에는 어려움이 있다.
이준구 교수팀은 비선형 커널을 고안해 복잡한 데이터에 대한 양자 기계학습을 가능하게 했고, 새롭게 개발한 양자 지도학습 알고리즘은 매우 적은 계산량으로 연산이 가능한 것이 특징이다. 대규모 계산량이 필요한 현재의 인공지능 기술을 추월할 가능성을 제시했다는 평가다.
비선형 커널이 중요한 이유는 기계학습에서 제공된 데이터의 특징(feature)을 구분하는 문제 때문이다. 이를테면 동물 이미지를 학습할 때 데이터의 특징이 잘 나타나는 경우는 입이나 귀 등의 특징을 바탕으로 개나 고양이를 구분해내는 선형적 결정 경계(decision boundary) 학습이 가능하지만 데이터 특징 자체가 애매하면 새로운 결정 경계값을 추가로 입력해야 하는 문제가 생긴다. 이때 사용하는 것이 비선형 커널 기술이다.
양자컴퓨팅은 고전 컴퓨팅과는 달리 큐비트(quantum bit·양자컴퓨팅 정보처리의 기본 단위)의 개수에 따라 정보 공간의 차원이 기하급수적으로 증가하기 때문에 이론적으로 고차원 정보처리에 있어 고성능을 낼 수 있다.
연구팀은 이러한 양자컴퓨팅의 장점을 활용해 데이터 특징 대비 기하급수적인 계산 효율성을 달성하는 양자 기계학습 알고리즘을 개발했다.
이 교수 연구팀이 개발한 이 알고리즘은 저차원 입력 공간에 존재하는 데이터들을 큐비트로 표현되는 고차원 데이터 특징 공간(feature space)으로 옮긴 후, 양자화된 모든 학습데이터와 테스트데이터 간의 커널 함수를 양자 중첩을 활용해 동시에 계산하고 테스트데이터의 분류를 효율적으로 결정한다. 이때 사용되는 양자 회로의 계산 복잡도는 학습 데이터양에 대해서는 선형적으로 증가하나, 데이터 특징 개수에 대해서는 불과 로그(log)함수로 매우 천천히 증가하는 장점이 있다.
연구팀은 이와 함께 양자 회로의 체계적 설계를 통해 다양한 양자 커널 구현이 가능함을 이론적으로 증명했다. 또 IBM이 클라우드 서비스로 제공하는 초전도 기반 양자 컴퓨터에서 양자 기계학습 알고리즘을 실험적으로 구현해 양자 커널 기반 기계학습의 성능을 실제로 입증했다.
연구에 참여한 박경덕 연구교수는 "연구팀이 개발한 커널 기반 양자 기계학습 알고리즘은 수년 안에 상용화될 것으로 예측되는 수백 큐비트의 NISQ(Noisy Intermediate-Scale Quantum) 컴퓨팅의 시대에서 기존의 고전 커널 기반 지도학습을 뛰어넘을 것"이라며 "복잡한 비선형 데이터의 패턴 인식 등을 위한 양자 기계학습 알고리즘으로 활발히 사용될 것"이라고 말했다.
한편, 이번 연구는 각각 한국연구재단의 창의 도전 연구기반 지원 사업과 한국연구재단의 한-아프리카 협력기반 조성 사업, 정보통신기획평가원의 정보통신기술인력 양성사업(ITRC)의 지원을 받아 수행됐다.
