양자물리학자들이 양자 다체 현상에 인공지능(AI) 알고리즘을 적용한 양자 컨볼루셔널 신경망(QCNN)을 개발했다.

하버드대(Harvard University) 연구팀은 최근 다양한 분야에서 주목할만한 결과를 얻은 인기있는 AI 기계학습(Machine learning, ML)의 한 분야인 컨볼루셔널 신경망(Convolutional Neural Networks, CNN)에서 영감을 얻은 양자회로 기반 알고리즘’QCNN’을 개발했다. 이들은 QCNN이 1차원 양자시스템에서 기존 접근법보다 우수한 성능을 제시, 소규모 양자 컴퓨팅에서도 구현이 가능하다고 말한다.

양자 다체 시스템(Quantum many-body systems)은 몇 개의 상호작용하는 입자로 구성된 미세 구조로 ML 적용이 어렵다고 알려졌다. 네이처 피직스(Nature Physics)에 발표 된 논문에서 연구자들은 QCNN 아키텍처를 개괄하고 1차원 대칭보호 토폴로지 페이스(symmetry-protected topological phase)와 관련된 양자 상태 인식에 대한 정확도를 평가했다.

하버드대 최수원 연구원은 “우리 연구는 양자 컴퓨터 구축과 신경망에 기반한 인공지능 개발에 대한 최근 실험적 진보에 크게 동기를 부여 받았다”며 “어떤 의미에서, ML기술과 양자 컴퓨터/시뮬레이터를 결합하려는 아이디어는 매우 자연스럽다. 두 분야에서, 우리는 많은 양의 복잡한 데이터에서 의미있는 정보를 추출하려고 노력하고 있다”고 말했다.

양자 다체 시스템을 연구하는 이론 물리학자 최 연구원은 양자 시뮬레이터를 사용해 얻은 대량의 복잡한 데이터를 보다 효율적으로 분석하는데 관심을 가져왔다. 인공신경망 CNN ML을 양자 물리학에 효과적으로 적용하는 것은 어려운 일이었다. 기존 양자 시뮬레이터가 매우 작기 때문에 기존 컴퓨터에서 사용되는 대규모 CNN 등 ML 기술을 지원할 수 없기 때문이다.

연구진은 기존 ML 기술의 모든 중요한 기능을 유지하면서 새로운 알고리즘을 가능한 한 작게 만들었다. 이들의 연구목표 중 하나는 소형 양자회로를 위한 CNN ML아키텍처를 일반화하고 그 기능을 단순하지만 의미 있는 예시로 설명하는 것이다.

연구에서 CNN은 두 가지 중요한 기능에 성공적이었다. 첫째, 그것들이 더 작은 로컬 유닛들(즉, 준 로컬 양자게이트의 다층)로 구성된다. 둘째, 입력 데이터를 계층적으로 처리한다. 연구자들은 이 두 특성과 국소성(Locality)과 재정규화(Renormalization)로 알려진 두 가지 핵심 물리학 개념 사이의 연관성을 발견했다.

최 연구원은 “우리는 자연의 법칙이 근본적으로 국소적이라고 믿기 때문에 국소성은 물리학에서 자연스럽다. 재정규화는 매우 흥미로운 개념으로 물리학에서, 양자 다체 시스템의 특정 보편적 특징들, 물질 상(액체, 가스, 고체 등) 시스템의 상세 정보에 의존하지 않거나 민감하지 않다. 단지 몇 가지 중요한 숨겨진 매개 변수에 의해서만 통제된다. 재정규화는 양자 시스템의 미세한 묘사에서 시작해 중요한 매개 변수를 식별하는 이론”이라고 말했다.

연구자들은 재정규화 프로세스가 패턴인식 애플리케이션, 특히 ML 객체 식별 애플리케이션과 일부 유사성을 공유한다는 것을 관찰했다. 이 과정은 이론 물리학의 재정규화 기술과 다소 유사하며 보편적 정보를 추출하는 데 도움이 될 수 있다. 연구에서 CNN과 동일한 수준의 핵심 아키텍처를 개발, 양자물리학 문제에 적용 할 수 있었다.

잘 알려진 물리학 개념, 재정규화(다중 규모 얽힘 재정규화)와 CNN간의 연계를 예시를 통해 명시적으로 입증한 논문에 요약된 예는 기존 및 향후 양자 장치에 실험적으로 적용될 수 있을 정도로 간단하다. 결과는 재정규화가 유망한 양자정보 처리기술이 될 수 있음을 시사한다.

최 연구원은 “이 방법을 통해 주어진 실험 시스템에 맞게 양자 오류수정 체계를 설계 할 수 있음을 제시했다”며 “양자 컴퓨팅 플랫폼 성능을 향상시키는 데 큰 도움이 될 것”이라고 말했다.

최 연구원은 “결과 양자회로는 n-qubit 입력 데이터에 대해 최적화 될 log(n) 수의 매개 변수만 포함하는데, 이는 exp(n)수의 매개 변수가 최적화되는 접근방식에 비해 이중지수적 개선”이라며 “최적화할 매개 변수의 수가 이처럼 작아지면 회로가 복잡한 정보처리 작업을 수행 할 수 없다. 작은 크기에도 불구하고 양자 CNN은 다른 양자위상을 인식, 양자오류 수정 계획을 디자인 할 수 있다”고 말했다.

최 연구원은 “이 방법을 통해 주어진 실험 시스템에 맞게 양자 오류수정 체계를 설계 할 수 있음을 제시했다”며 “양자 컴퓨팅 플랫폼 성능을 향상시키는 데 큰 도움이 될 것”이라고 말했다.

연구진은 향후 연구에서 이를 이용해 새로운 양자 컴퓨터를 개발할 계획이다. CNN 또는 기타 신경망 기반 방법과 재정규화 기술 간의 관계를 조사하는 추가 연구를 수행하고자한다.

최 연구원은 “우리는 1차원 양자 시스템에 대한 좋은 예를 보여 주었지만 전체 일반성 연결에 대한 더 심층적 연구는 여전히 빠져있다”며 “특히, 2차원 양자 시스템 연결을 연구하는 것은 흥미로운 미래 방향이 될 것”이라고 말했다.

*대칭보호 토폴로지(symmetry-protected topological phase) SPT(Symmetry-protected topological) 차수(order/phase)는 온도가 0인 양자역학적 상태에서 대칭이며 유한 에너지 갭을 갖는 일종의 차수다. 결과를 최대 불변 방식으로 도출하기 위해, 재정규화 그룹 방법이 사용된다(특정 고정점에 해당하는 동등성 클래스로 이어진다).

*논문:Quantum convolutional neural networks