국내 연구진이 비선형 양자 인공지능(AI) 알고리즘을 개발했다. 양자 AI는 현재 AI보다 계산량이 적어 보다 빠른 연산이 가능하다. 향후 복잡한 대규모 데이터 연산에 활용 가능할 것으로 보인다.
한국과학기술원(KAISTㆍ총장 신성철)는 이준구 전기및전자공학부 및 AI 양자컴퓨팅 IT 인력양성연구센터 교수 연구팀이 독일 및 남아공 연구팀과 협력 연구로 비선형 양자 기계학습 AI 알고리즘을 개발했다고 7일 밝혔다.
양자 AI는 양자컴퓨터 발전과 함께 현재 AI 기술을 앞설 것으로 보이나 연산 방법이 달라 새로운 양자 알고리즘 개발이 필요한 상황이다.
양자컴퓨터는 본질적으로 일차방정식을 잘 푸는 선형적 성질을 가지고 있어 복잡한 데이터를 다루는 비선형적 기계학습에 어려움이 있었다. 하지만 이번 연구로 비선형 커널을 고안해 복잡한 데이터를 계산할 수 있는 양자 기계학습을 구현했다.
커널(Kernel)은 기계학습에서 활용하는 함수로 데이터간 유사성을 정량화한다.
KAIST는 공동 연구에서 이 교수팀이 개발한 양자 지도 학습 알고리즘은 적은 계산량으로 연산이 가능하기 때문에 대규모 계산량이 필요한 곳에 적합하다고 설명하며, 현재 AI 기술을 추월할 가능성이 있다고 기대했다.
이준구 교수팀은 학습 데이터와 테스트 데이터를 양자 정보로 생성했다. 이후 양자 정보의 병렬 연산을 가능하게 하는 양자 포킹 기술과 양자 알고리즘 체계를 만들었다. 양자 알고리즘 체계는 간단한 양자 측정 기술을 조합해 양자 데이터간 유사성을 효율적으로 계산하는 비선형 커널 지도 학습을 구현할 수 있도록 했다. 이후 IBM 클라우드 서비스를 통해 실제 양자컴퓨터에서 양자 지도 학습을 시연하는 데 성공했다.
연구팀은 '비선형 커널 기술'을 활용해 데이터 특징을 구분 및 분류할 수 있도록 했다.
기계학습 기술 핵심 중 하나는 데이터 특징을 구분 및 분류하는 것이다. 예를 들어, 동물 이미지 학습 데이터를 활용할 때 기계는 입과 귀 등 다양한 특징을 인식하고 이를 바탕으로 특징을 분류하기 위한 '결정 경계'를 학습한다. 이후 새로운 이미지 인식을 반복해 개 또는 고양이로 분류한다.
데이터 특징이 잘 나타나는 경우 선형적 결정 경계만으로 분류할 수 있다. 하지만 일부 특징으로 개와 고양이를 분류할 수 없다면, 새로운 결정 경계를 찾기 위해 정보 공간 차원을 확장해야 한다. 이 과정에 비선형 커널 기술이 필요하다.
양자컴퓨팅의 장점도 활용했다. 양자컴퓨팅은 고전 컴퓨팅과 달리 큐비트(quantum bit, 양자컴퓨팅 정보 처리 기본 단위) 개수에 따라 정보 공간 차원이 기하급수적으로 증가한다. 이에 이론적으로 고차원 정보 처리에 있어 뛰어난 성능을 낼 수 있다.
이 교수 연구팀은 이 같은 양자컴퓨팅의 특징을 이용해 데이터 계산 효율을 높여주는 양자 기계학습 알고리즘을 개발했다.
이 알고리즘은 저차원 입력 공간에 존재하는 데이터를 큐비트로 표현하는 고차원 데이터 특징 공간으로 옮긴 후, 양자화한 모든 학습ㆍ테스트 데이터 간 커널 함수를 양자 중첩 기술로 동시 계산하고 데이터 분류를 효율적으로 결정한다. 이때 사용하는 양자 회로의 계산 복잡도는 학습 데이터 양에 따라 선형적으로 증가하지만, 데이터 특징 개수에 따라서는 로그함수로 천천히 증가하는 장점이 있다.
이번 연구에서 연구팀은 양자 회로의 체계적 설계로 다양한 양자 커널 구현이 가능하다는 것도 이론적으로 증명했다.
연구팀은 커널 기계학습에서 입력 데이터에 따라 최적 커널이 달라질 수 있다고 설명하며, 다양한 양자 커널 구현 가능성은 양자 커널 기계학습 실제 응용에 있어 중요한 성과라고 강조했다.
연구팀은 IBM이 클라우드 서비스로 제공한 초전도 양자 컴퓨터에서 이번에 개발한 양자 기계학습 알고리즘을 구현, 양자 커널 기계학습 성능을 시연ㆍ입증하는 데 성공했다.
이 연구에 참여한 박경덕 연구 교수는 "연구팀이 개발한 커널 기반 양자 기계학습 알고리즘은 수백 큐비트의 NISQ(Noisy Intermediate-Scale Quantum) 컴퓨팅 시대가 되면 기존 커널 지도 학습을 뛰어넘을 것"이라고 말하며 "복잡한 비선형 데이터 패턴 인식에 활용할 양자 기계학습 알고리즘으로 사용할 수 있을 것이다"라고 전망했다.
AI타임스 김재호기자 jhk6047@aitimes.com
