네이처 제공
국제학술지 ‘네이처’는 보라색 배경에 여러 개의 동그란 원들이 가지런히 놓여 여러 선으로 연결된 모습을 13일 표지로 실었다. 이들 원은 얽힌 양자 조각들을 의미한다. 최근 양자역학의 원리에 따라 작동되는 미래형 첨단 컴퓨터인 양자 컴퓨터에 대한 관심이 커지고 있다. 세상에서 가장 빠른 슈퍼컴퓨터로 10억년이 걸리는 문제를 양자컴퓨터는 100초 만에 해결할 수 있기 때문이다.
양자 컴퓨터와 더불어 머신러닝도 르네상스를 맞고 있다. 머신러닝은 사람이 학습하듯 컴퓨터가 데이터를 학습하게 해 새로운 정보를 얻어내는 연구 분야다. 인공신경망에 기반을 둔 기계학습 기술의 한 종류인 딥러닝의 등장으로 최근 몇 년간 머신 러닝은 비약적인 발전을 이뤘다.
머신러닝은 사진 이미지를 구별하는 패턴 분류와 같은 단순한 기술은 쉽게 처리한다. 하지만 너무 복잡하거나 고차원적인 데이터 구조를 처리하는데 한계가 있다. 바로 이 지점에서 엄청난 데이터 처리 능력을 가진 ‘꿈의 기술’ 양자컴퓨터가 필요하다.
보이테크 하블릭첵 영국 옥스퍼스대 컴퓨터공학과 교수 연구팀은 양자컴퓨터와 머신러닝을 접목시키는 방법론을 발표했다. 머신러닝을 양자컴퓨터를 통해 실행한다는 것이다. 연구팀은 초전도 프로세서에 적용할 양자 알고리즘 두개를 제시했다.
두 방법 모두 양자 상태 공간을 특징 공간으로 사용했다. 특징 공간이란 데이터를 특징지을 수 있는 특징들을 모음으로 쉽게 말해 만약 데이터가 사람에 관한 것이라면 특징 공간은 몸무게, 나이가 된다. 이런 양자 상태 공간은 양자컴퓨터만이 효율적으로 접근이 가능하다.
또 두 방법은 지도 학습의 문제로 꼽히는 분류자가 생기는 단점을 해결했다. 연구팀이 제시한 알고리즘 중 하나인 양자 가변 분류자는 가변 양자회로를 사용해 데이터를 분류한다. 이는 머신러닝에 쓰이는 대표적인 알고리즘인 서포트 벡터 머신 방식과 유사하다. 나머지 알고리즘인 양자 커널 추정기는 양자 컴퓨터에서 커널 함수를 추정해 서포트 벡터 머신을 최적화하는 방식이다.
연구팀은 “이런 두 알고리즘을 통해 양자 컴퓨터에 머신러닝을 적용시키는 방법을 살펴봤다”며 “머신 러닝과 양자 컴퓨터가 이전에 풀 수 없는 문제를 해결해 줄 것으로 기대한다”고 밝혔다.
(원문: 여기를 클릭하세요~)