양자 컴퓨팅에서 새로운 연구가 돌파구를 만든다

로스 알라모스 국립 연구소의 연구 팀은 양자 컴퓨팅에서 새로운 돌파구를 이루었다. 새로운 정리은 컨볼루셔널 신경 네트워크가 양자 컴퓨터에서 항상 훈련될 수 있음을 보여주며, 최적화 문제에서 “황무지”라는 위협을 극복한다.

이 연구는 Physical Review X에 발표되었다.

황무지 – 근본적인 해석 가능성 문제

컨볼루셔널 신경 네트워크는 양자 컴퓨터에서 데이터를 분석하기 위해 사용될 수 있으며, 이는 고전적인 컴퓨터보다 더 나은 성능을 제공한다. 그러나 “황무지”라는 근본적인 해석 가능성 문제가 있어, 대규모 데이터 세트에 대한 신경 네트워크의 적용을 제한해 왔다.

마르코 세레조는 연구 논문의 공동 저자이며, 양자 컴퓨팅, 양자 기계 학습, 양자 정보를 전문으로 하는 물리학자이다.

“양자 신경 네트워크를 구성하는 방법은 황무지로 이어질 수 있다 – 또는 그렇지 않을 수 있다”고 세레조는 말했다. “우리는 특정 유형의 양자 신경 네트워크에서 황무지의 부재를 증명했다. 우리의 연구는 이 아키텍처에 대한 훈련 보장을 제공하며, 이는 그 매개변수를 일반적으로 훈련할 수 있음을 의미한다.”

양자 컨볼루셔널 신경 네트워크는 데이터의 차원을 줄이면서 중요한 특징을 유지하는 풀링 레이어와 교대로 구성된 컨볼루셔널 레이어를 포함한다.

이 신경 네트워크는 이미지 인식, 재료 발견 등 다양한 응용 분야에서 사용될 수 있다. 양자 컴퓨터의 전체 잠재력을 AI 응용 분야에서 달성하기 위해서는 황무지를 극복해야 한다.

세레조에 따르면, 양자 기계 학습 연구자들은 전통적으로 이 문제의 영향을 완화하는 방법을 분석해 왔지만, 전체 문제를 피하는 이론적 기초를 개발하지 못했다. 그러나 새로운 연구는 일부 양자 신경 네트워크가 황무지에 면역임을 보여준다.

패트릭 콜즈는 로스 알라모스 국립 연구소의 양자 물리학자이자 연구의 공동 저자이다.

“이 보장이 손에 있으면, 연구자들은 양자 컴퓨터 데이터를 분석하여 양자 시스템에 대한 정보를 얻을 수 있을 것이며, 이는 재료 특성 연구 또는 새로운 재료 발견 등 다양한 응용 분야에서 사용될 수 있다”고 콜즈는 말했다.

소실되는 기울기

주된 문제는 최적화 랜드스케이프에서 “소실되는 기울기”에서 비롯되며, 이 랜드스케이프는 언덕과 계곡으로 구성된다. 목표는 모델의 매개변수를 훈련하여 랜드스케이프의 지리를 탐색하여 해를 찾는 것이다. 그러나 랜드스케이프가 평탄한 경우, 이는 불가능하다.

문제는 데이터 특징의 수가 증가할 때 더 어려워지며, 랜드스케이프는 특징 크기에 따라 지수적으로 평탄해진다. 이는 황무지의 존재를 나타내며, 양자 신경 네트워크를 확장할 수 없다.

이를 해결하기 위해, 연구 팀은 양자 신경 네트워크 내의 확장을 분석하기 위한 새로운 그래픽 접근 방식을 개발했다. 이 신경 네트워크는 양자 시뮬레이션의 데이터를 분석하는 데 사용될 수 있다.

“양자 기계 학습 분야는 아직 젊다”고 콜즈는 말했다. “레이저가 처음 발견되었을 때, 그것은 문제를 찾는 솔루션이었다. 이제 레이저는 모든 곳에서 사용된다. 마찬가지로, 양자 데이터가 널리 사용되면, 양자 기계 학습이 발전할 것이다.”

확장 가능한 양자 신경 네트워크는 양자 컴퓨터가 재료의 다양한 상태에 대한大量 데이터를 분석하여 상과 관련된 최적 상태를 찾을 수 있게 할 수 있다. 이것은 고온 초전도체를 위한 최적 상태를 식별하는 데 도움이 될 수 있다.