인공지능(AI)이 양자 컴퓨터 프로세서 큐비트를 올바른 방식으로 자율 조정하는 법을 익히고 있다.

NIST(National Institute of Standards and Technology) 과학자 팀은 ‘피지컬 리뷰 어플라이드(Physical Review Applied)’ 저널에 실린 논문에서 AI를 통해 양자점을 상호 조정하는 시스템를 구성하도록 훈련하는 방법을 설명한다.

이 양자점(quantum dots)은 양자 컴퓨터 프로세서의 스위치로 작동하는 양자 비트 또는 “큐비트(qubits)”를 형성하는 많은 유망한 장치 중 하나다. 양자점을 정확하게 조정하는 것은 이를 제대로 작동하는 큐비트로 변환하는 데 중요하며, 지금까지는 인간 작업자가 작업을 힘들게 수행해야 했기 때문에 단일 계산을 위해 적은 수의 큐비트를 만들려면 몇 시간의 작업이 필요했다. 상호 작용하는 큐비트가 많은 실제 양자 컴퓨터는 인간이 관리할 수 있는 것보다 훨씬 많은 조정이 필요하다.

이번 연구 성과로 양자점 기반 처리가 이론 영역에서 공학적 현실로 더 가깝게 다가섰다. NIST 수학자 저스티나 조렉(Justyna Zwolak)은 “양자 컴퓨터 이론가들은 수백 또는 수천 개의 큐비트로 무엇을 할 수 있을지 상상하고 있지만, 방 안에있는 코끼리는 실제로 한 번에 소수의 작업 만 수행 할 수 있다. 이제 우리는 이 상상을 실현할 수 있는 길을 가졌다”고 말했다.

양자점은 전형적으로 반도체 물질의 좁은 박스형 공간에 한정된 전자를 포함한다. 박스의 벽을 형성하는 것은 반도체 표면 위에 전압이 인가돼 양자점의 위치와 전자 수에 영향을 미치는 여러 금속 전극(소위 게이트)이다. 점의 상대적인 위치에 따라 게이트는 전자를 다른 방식으로 제어한다.

양자점이 원하는 것을 수행하게 하려면, 일종의 큐비트 로직 스위치 또는 다른 것으로 작동, 게이트 전압을 올바른 값으로 조정해야 한다. 이 튜닝은 양자점 시스템을 통해 흐르는 전류를 측정한 다음 게이트 전압을 약간 변경 후 전류를 다시 확인해 수동으로 수행한다. 더 많은 점(및 게이트)을 포함할수록 올바르게 작동하는 큐비트를 확보하기 위해 동시에 모두 조정하는 것이 어려워진다.

위스콘신대 매디슨 물리학과 대학원생 톰 맥정킨(Tom McJunkin)은“일반적으로 대학원생이 하는 일이다. 몇 시간 안에 한 점을 조정할 수 있고 두 개를 조정하는 데 하루가 걸릴 수 있다. 집에 가서 잠을 자거나 하지 않는다면 4개도 가능하다. 이 분야가 커짐에 따라 우리는 몇 주 동안 시스템 준비해야 한다. 인간을 이미지 작업에서 제외해야 한다”고 말했다.

이미지는 점을 조정하는 동안 그가 사용했던 것이다. 그가 작업한 데이터는 시각적 이미지로 제공, AI가 능숙하게 인식할 수 있는 형태다. 컨볼루셔널 뉴럴네트워(convolutional neural network, CNN) AI 알고리즘은 인식해야 할 것들의 많은 예에 노출되는 한 자동 이미지 분류 기술이다.

공동 양자 연구소(Joint Quantum Institute)의 제이크 테일러(Jake Taylor) 감독 하에 산데쉬 카란틀(Sandesh Kalantre)은 훈련 연습으로 AI에 제공할 수 있는 수천 개의 양자점 측정 이미지를 생성하는 시뮬레이터를 만들었다.

조렉(Zwolak)은“우리는 원하는 큐 비트 설정을 시뮬레이션하고 밤새 실행하고 아침에는 시스템을 자동으로 튜닝하기 위해 AI를 훈련하는 데 필요한 모든 데이터를 확보했다. 이 시스템을 우리 시스템 뿐만 아니라 모든 양자점 기반 시스템에서 사용할 수 있도록 설계했다”고 말했다.

팀은 두 개의 양자점 설정을 사용해 소규모로 시작했으며, 특정 제약 조건에서 훈련된 AI가 시스템을 원하는 설정으로 자동 조정할 수 있음을 확인했다. 완벽하지는 않았다. 접근 방식의 신뢰성을 개선하기 위해 작업해야 하는 여러 영역이 있으며, 아직 수천 개의 상호 연결된 양자점을 조율하는 데 사용할 수 없다.

그러나 초기 단계에서도 실용성을 갖춰 숙련된 연구원이 다른 곳에서 소중한 시간을 보낼 수 있다.

조렉은 “이것은 기계 학습을 사용해 노동을 절약하고 궁극적으로 인간이 잘하지 않는 일을 수행하는 방법”이라며 “우리는 모두 3 차원 고양이를 인식 할 수 있으며, 기본적으로 제대로 조정된 게이트가 몇 개있는 단일 점이 바로 이것이다. 많은 점과 게이트는 10차원 고양이와 같다. 인간은 10D 고양이를 볼 수 없다. 하지만 AI를 인식하도록 훈련시킬 수 있다”고 말했다.

* Autotuning of Double-Dot Devices In Situ with Machine Learning