Science News : 기계 학습, 양자 부스터를 얻다.

[특정 유형의 기계 학습 작업에서 양자 컴퓨터는 표준 계산보다 기하급수적으로 유리하다는 논문이 올해 6월 사이언스 저널에 게재되었습니다 ]

Caltech의 이론 물리학자이자 컴퓨터 과학자인 Hsin-Yuan Huang은 사람들은 양자 기술을 사용하여 학습 능력을 향상할 수 있는 잠재력에 대해 매우 흥분하고 있지만,  

기계 학습이 실제로 양자 물리학으로부터 혜택을 받을 수 있는지는 완전히 명확하지 않았다고 말합니다. 

특정 기계 학습 작업에서 과학자들이 어떤 양자시스템(예: 분자 또는 입자 그룹)에 대한 정보를 모으는 방법은 반복적으로 실험을 수행한 다음 실험에서 나온 데이터를 분석하여 그 시스템에 대해 학습하는 것입니다. 

Huang과 동료들은 몇 가지 그런 작업을 연구했습니다. 그중 하나는 과학자들이 내부 입자의 위치와 운동량 같은 양자 시스템의 속성을 식별하는 것을 목표로 하는 것입니다. 

연구원들은 양자 시스템을 이해하는데 있어 양자 수학에 따른 기계 학습을 적용할 때 양자 이점(quantum advantage)이 있다는 것을 증명했으며, 

양자 이점이 실제 세계에서의 테스트에서도 유지된다는 것을 보여주었습니다. 

다수의 실험에서 얻은 양자 데이터는 양자 컴퓨터의 메모리에 입력되고, 컴퓨터는 이 데이터를 함께 처리하여 양자 시스템의 특성에 대해 학습합니다.

연구원들은 같은 정보를 배우기 위해 표준적인 또는 고전적인 기술로 같은 일을 수행하려면 기하급수적으로 더 많은 실험이 필요하다는 것을 이론적으로 증명했습니다. 

고전적 컴퓨터와 달리 양자 컴퓨터는 얽힘을 활용하여 다중 실험 결과를 더 잘 분석할 수 있습니다.

그러나 이번 새로운 작업은 이론적인 것을 넘어섭니다. 

연구에 참여하지 않은 예루살렘 히브리 대학교의 Dorit Aharonov는 “이것이 현실적인지, 실험실에서 볼 수 있는 것인지, 아니면 그저 이론적인 건지 이해하는 것이 중요합니다.”라고 말합니다.

그래서 연구원들은 구글 양자 컴퓨터 시커모어(Sycamore)로 기계 학습 작업을 테스트했습니다. 

연구팀은, 실제 양자 시스템을 측정하는 대신, 시뮬레이션 된 양자 데이터를 사용했고 양자 기술과 고전 기술을 사용하여 데이터를 분석했습니다.

비록 구글 양자 컴퓨터에 계산 오류가 발생할 수 있는 노이즈가 있었음에도 양자 기계 학습이 이겼습니다. 

궁극적으로 과학자들은 자신의 오류를 수정할 수 있는 양자 컴퓨터를 구축할 계획입니다. 그러나 현재, 오류 수정 없이도 양자 기계 학습이 이기고 있습니다.

보다 자세한 내용은 아래 링크를 통해 확인해보세요! 

상세내용 확인 링크[출처]  

 - https://www.sciencenews.org/article/quantum-physics-machine-learning-google-computer

 - H-Y Huang et al. Quantum advantage in learning from experiments. Science. Vol. 376, June 10, 2022, p. 1182. doi: 10.1126/science.abn7293.