[미디어파인 칼럼 = 이상원 기자] 기계 학습은 양자 물리학에서 영감을 얻을 수 있다. 과학자들은 사이언스 저널에 특정 유형의 기계학습 과제에 대해 양자컴퓨터가 표준 계산보다 기하급수적으로 유리하다고 보도했다. 연구원들은 양자 수학에 따르면 양자 시스템을 이해하기 위해 기계학습을 사용할 때 이점이 적용된다는 것을 증명했다. 그리고 그 팀은 실제 실험에서도 이점이 유지된다는 것을 보여주었다.
사람들은 양자컴퓨터에 대해 엄청난 기대를 하고 있다. 그러나 기계 학습이 실제로 양자 물리학으로부터 이익을 얻을 수 있을지는 완전히 명확하지 않다. 특정 기계 학습 작업에서, 과학자들은 반복 실험을 수행하고 시스템에 대해 학습하기 위해 해당 실험의 데이터를 분석함으로써 양자 시스템에 대한 정보를 수집하려고 시도한다.
과학자들은 몇 가지 작업을 연구했다. 하나는 과학자들이 양자계 안에 있는 입자들의 위치와 운동량 같은 양자계의 특성을 식별하는 것을 목표로 한다. 여러 실험에서 나온 양자 데이터는 양자 컴퓨터의 메모리에 입력될 수 있고, 컴퓨터는 양자계의 특성을 학습하기 위해 데이터를 공동으로 처리할 것이다.
연구자들은 표준 또는 고전적인 기술로 동일한 특성화를 하는 것이 동일한 정보를 학습하기 위해 기하급수적으로 더 많은 실험이 필요하리라는 것을 이론적으로 증명했다. 고전적인 컴퓨터와 달리, 양자 컴퓨터는 여러 실험의 결과를 더 잘 분석하기 위해 얽힘을 이용할 수 있다.
하지만 이 새로운 연구는 단지 이론적인 것을 넘어서고 있다. 이것이 현실적인지, 실험실에서 볼 수 있는 것인지, 이것이 단지 이론적인 것인지를 이해하는 것이 매우 중요하다. 그래서 그 연구원들은 구글의 양자 컴퓨터인 Sycamore으로 기계 학습 과제들을 실험했다. 그 연구팀은 실제 양자계를 측정하기보다는 모의 양자 데이터를 사용했고, 양자 또는 고전적인 기술을 사용하여 분석했다.
마침내, 과학자들은 그들 자신의 오류를 수정할 수 있는 양자 컴퓨터를 만들 계획이다 (SN: 6/22/20). 그러나 지금은, 그 오류 수정 없이도, 양자 기계 학습이 우세했다.
[이상원 칼럼니스트]
고려대 산업경영공학과(재학 중)
미디어파인 대학생칼럼니스트 겸 기자