[미디어파인 칼럼 = 이상원 기자] 머신러닝은 양자물리학으로부터 부스트를 받을 수 있다. 일부 종류의 머신러닝 작업에서 양자 컴퓨터는 표준 컴퓨팅보다 지수적인 이점을 가지고 있다고 과학자들이 보고했다. 연구자들은 양자 시스템을 이해하기 위한 머신러닝을 사용할 때 이런 이점이 양자 수학에 따라 적용된다는 것을 증명했다. 그리고 이 팀은 실세계 테스트에서도 이 이점이 유지된다고 보여주었다.
과학자들은 사람들이 양자 기술을 사용해 우리의 학습 능력을 향상할 수 있다는 잠재력에 대해 매우 흥분하고 있다고 말했다. 그러나 머신러닝이 실제로 양자 물리학을 통해 이익을 얻을 수 있는지 완전히 명확하지 않았다.
특정 머신러닝 작업에서 과학자들은 반복적인 실험을 수행하고, 그 실험에서 얻은 데이터를 분석하여 양자 시스템에 대한 정보를 얻으려고 한다.
과학자들은 양자 시스템의 특성, 예를 들어 내부의 입자의 위치와 운동량과 같은 것을 파악하려고 했다. 여러 실험에서 얻은 양자 데이터는 양자 컴퓨터의 메모리에 입력될 수 있고, 컴퓨터는 데이터를 공동으로 처리하여 양자 시스템의 특성을 학습한다.
연구자들은 이와 같은 특성화를 표준, 즉 고전적인 기술로 수행하려면 같은 정보를 학습하기 위해 지수적으로 더 많은 실험이 필요할 것이라고 이론적으로 증명했다. 고전 컴퓨터와 달리 양자 컴퓨터는 얽힘을 이용해 여러 실험의 결과를 더 잘 분석할 수 있다.
하지만 새로운 작업은 이론적인 것을 넘었다. 이게 현실적인지, 이걸 실험실에서 볼 수 있는지 아니면 그냥 이론적인 것인지를 이해하는 것이 중요하다고 과학자들은 말한다. 그래서 연구자들은 구글의 양자 컴퓨터로 머신러닝 작업을 테스트했다. 팀은 실제 양자 시스템을 측정하는 대신에 시뮬레이션 된 양자 데이터를 사용하고, 양자 또는 고전적인 기술을 사용하여 분석했다.
여기에서도 양자 머신러닝이 이겼다. 비록 구글의 양자 컴퓨터가 노이즈가 있어 계산에 오류가 들어갈 수 있지만, 결국에는 과학자들이 자체 오류를 수정할 수 있는 양자 컴퓨터를 만들 계획이다. 하지만 지금은 그 오류 수정 없이도 양자 머신러닝이 이겼다.
[이상원 칼럼니스트]
고려대 산업경영공학과(재학 중)
미디어파인 대학생칼럼니스트 겸 기자