인공지능(AI)이 할 수 있는 일은 무궁무진합니다. 인공지능의 가능성에 인류의 미래가 걸려 있다고 이야기해도 허언은 아닐 것입니다. 디지틀조선일보는 인공지능 전문매체 더에이아이(THE AI)와 공동으로 29일부터 이틀간 부산 벡스코에서 ‘인공지능의 미래를 위한 대혁신’이란 주제로 개최되는 ‘AWC 2022 in Busan, AI: THE Good AI Can Do’ 행사에 앞서 현장 참여 연사들의 다양한 의견을 들어보는 릴레이 인터뷰 기사를 연재합니다. 독자 여러분들의 많은 관심 바랍니다. - 편집자 주

컴퓨터가 처리해야 하는 데이터양이 폭증하면서 ‘양자 컴퓨팅’에 대한 관심이 높아지고 있다. 반도체 등 하드웨어 한계와 에너지 비효율 등의 문제를 안고 있는 기존 컴퓨터의 문제를 해결할 수 있는 대안으로 꼽히고 있어서다.

컴퓨터는 정보처리 최소 단위로 0과 1을 사용한 1비트를 사용한다. 데이터를 연산할 때 저장소의 상태가 0과 1중 한 가지만 존재해야 하는 방식이다. 양자 컴퓨팅은 다르다. 정보처리 최소 단위로 0과 1 상태가 섞인 ‘큐비트(Quantum bit)’를 이용한다. 양자 역학에서 빛과 물질이 입자이자 파동인 상태로 존재할 수 있다는 것과 마찬가지로 0과 1의 상태가 동시에 나타날 수 있는 ‘양자 중첩현상’을 활용하기 때문이다.

양자 컴퓨팅은 0과 1을 동시에 처리하기 때문에 그만큼 데이터 처리 속도를 높일 수 있다. 구글은 2019년 53큐비트의 양자컴퓨터 ‘시커모아’를 발표했다. 이 컴퓨터는 기존 슈퍼컴퓨터로는 1만 년 걸리는 시간을 단 200초 만에 풀었다.

이러한 장점을 가진 양자 컴퓨팅은 머신러닝 개발에도 크게 기여할 것으로 전망된다. 조나단 로메로 폰탈보 자파타 컴퓨팅(Zapata Computing) 설립자(이사)는 양자컴퓨팅이 기업 고객에게 가치를 제공할 수 있는 가장 빠른 경로로 머신러닝을 꼽았다. 양자컴퓨팅이 머신러닝에 가져올 변화는 무엇일까. 그에게서 자세한 얘기를 들어봤다.

- 양자 컴퓨팅이 가져올 긍정적인 영향으로 머신러닝을 꼽았다. 그 이유는.

“머신러닝은 양자 컴퓨팅으로 도드라지게 성과를 낼 수 있는 분야다. 양자 컴퓨팅은 고전 컴퓨터가 학습하기 어려운 복잡한 확률 분포를 학습할 수 있기 때문이다. 대표적으로 비지도 방식의 ‘생성 머신러닝(Generative ML)’에서 높은 결과를 낼 것으로 본다. ‘생성 모델링’이 고전 컴퓨터에서 하는 ‘판별 모델링’에 비해 복잡하기 때문이다.

양자 모델이 생성 학습에 기여할 수 있는 두 가지 요소는 ‘표현 가능성’과 ‘일반화’다. 표현 가능성은 데이터를 일치시키기 위해 대상 모델이 많은 확률 분포를 나타내야 하는 기능이다. 일반화는 데이터셋을 학습하는 것뿐만 아니라 데이터가 어떻게 보이는지 학습해야 하는 것을 뜻한다. 우리는 연구를 통해 양자 머신러닝 모델이 기존 모델보다 표현 가능성과 일반화 측면에서 이점이 있는 것을 발견했다.”

- 머신러닝 분야에서 양자 컴퓨팅을 어떻게 활용하면 좋을까.

“일반적인 오해와는 달리 양자 컴퓨터는 고전 컴퓨터와 경쟁하기보다는 함께 작동해야 한다. 우리는 양자컴퓨터와 고전 컴퓨터로 머신러닝을 하며 성능을 측정하는 연구를 진행했는데 두 컴퓨터를 단독으로 수행하는 것보다 함께 작동할 때 더 나은 성능을 발휘했다.”

- 자파타는 어떤 연구를 하고 있나.

“자파타는 전체 직원의 3분의 1이 연구원이다. 이들은 크게 양자 알고리즘, 양자 머신러닝, 양자 하드웨어 등 3개 팀에서 관련 연구를 하고 있다. 양자 알고리즘 팀은 주로 양자 장치의 가치 실현 시간을 높이기 위한 위한 새로운 양자 알고리즘 기술 개발을 하고 있다. 양자 머신러닝팀은 양자 컴퓨터가 머신러닝 모델과 기술 성능을 향상시킬 수 있는 방법을 식별하는 데 전념하고 있다. 양자 하드웨어 팀은 기존 양자 장치에서 더 많은 성능을 추출하는 방법을 개발한다. 이러한 세 팀의 가장 중요한 목표는 양자 컴퓨터로 계산상 이점을 얻는 방법을 고안하는 것이다.”

- 머신러닝 관련 연구내용이나 성과가 있다면.

“자파타 연구팀은 양자 컴퓨팅이 생성 머신러닝에서 이점을 제공하는 부분을 조사하고 있다. 또 고전 컴퓨팅과 양자 컴퓨팅에서의 머신러닝 장점을 결합하는 연구도 하고 있다. 예를 들어 머신러닝을 할 때 양자 모델 기반의 ‘퀀텀 서킷’과 고전 모델인 ‘텐서 네트워크’를 비교하는 연구를 했다. 이때 퀀텀 서킷이 더 강력한 성능을 내지만 기계 훈련에는 텐서 네트워크가 더 효과적이라는 것을 알게 됐다.”

- 양자 컴퓨팅 발전에도 기여하고 있는 것으로 아는데.

양자 컴퓨팅을 개발하는 데 있어 가장 중요한 부분은 하드웨어다. 이 분야는 IBM, 디웨이브시스템 등 여러 하드웨어 공급사가 작업을 수행하고 있다.

하지만 양자 컴퓨팅에 있어 하드웨어는 퍼즐의 한 부분이라고 생각한다. 소프트웨어도 중요하다는 뜻이다. 우리는 이러한 소프트웨어를 연구하고 있다. 결함을 방지하는 알고리듬뿐 아니라 가까운 미래에 사용할 수 있는 양자 장치를 효과적으로 사용할 수 있는 알고리듬을 연구하고 있다.

- 앞으로 연구 계획은 어떻게 되는가.

생성 학습에 초점을 맞춘 장치와 양자-고전 하이브리드 모델을 사용해 양자 이점에 대한 탐구를 계속할 예정이다. 또 다양한 최적화 및 머신러닝 영역에서 이러한 모델에 대한 응용 프로그램을 찾아갈 것이다. 동시에 이러한 응용 프로그램과 함께 사용할 소프트웨어를 개발하고 있다.