양자 컴퓨팅

Zapata와 UMD, 검증된 AI 지원 양자 연구를 위한 ForShor 출시

Quinn Aster
Unite.AI를 Google의 선호 소스에 추가
Conceptual quantum circuit candidates passing through a mathematical proof-checking process.
핵심 포인트ForShor는 AI가 제안한 회로 설계가 리더보드 점수를 얻기 전에 형식적인 Lean 증명을 통과해야 한다고 요구합니다.
더 보기
  • ForShor는 AI가 제안한 회로 설계가 리더보드 점수를 얻기 전에 형식적인 Lean 증명을 통과해야 한다고 요구합니다.
  • 이 챌린지는 하드웨어가 큰 수를 소인수분해할 수 있음을 증명하는 것이 아니라 쇼어 알고리즘을 위한 회로 최적화를 목표로 합니다.
  • Zapata는 ForShor를 Quantum Pilot 플랫폼의 검증 방법을 위한 시험 무대로 사용할 것입니다.

Zapata Quantum과 메릴랜드 대학교는 쇼어 알고리즘을 형식적으로 검증된 방식으로 구현한 것을 바탕으로 AI 지원 양자 연구를 위한 공개 과제인 ForShor.ai를 선보였다. 참가자는 AI를 활용해 개선안을 제안하고, 해법을 순위표에 제출하며, 수학적 내용과 기계 검증 증명을 연결하는 문서를 살펴볼 수 있다.

이번 프로젝트는 AI 기반 과학 연구에서 점점 커지는 문제를 겨냥한다. 그럴듯한 알고리즘이나 설명을 내놓는 일은 그것이 옳다는 점을 입증하는 일보다 쉽다. ForShor는 명시적인 수학적 제약을 갖춘 프레임워크 안에서 더 나은 설계를 탐색하도록 하며, 연구자가 결과를 이해하는 과정에도 계속 참여하도록 한다.

11월 18일 발표된 이번 프로젝트는 Zapata와 UMD의 협력을 확장하는 것으로, Zapata의 Quantum Pilot 소프트웨어 플랫폼과 관련된 검증 기법을 시험하기 위해 마련됐다.

쇼어 알고리즘을 출발점으로 삼은 이유

쇼어 알고리즘은 암호학에 미치는 영향으로 가장 잘 알려져 있다. 이 알고리즘의 양자 부분은 모듈러 산술에서 위수라고 하는 반복 구조를 찾을 수 있다. 그런 다음 고전적인 수학적 단계에서 이 결과를 활용해 큰 정수를 소인수분해할 수 있다.

ForShor는 이 계산에 쓰이는 산술 회로의 설계에 초점을 맞춘다. 메릴랜드 대학교의 프로젝트 설명은 빠른 토움–쿡 곱셈을 핵심 구성 요소로 꼽는다. 이 방식은 큰 곱셈 문제를 더 작은 부분들로 나누므로, 산술 연산을 어떻게 구성할지 선택할 수 있다.

이러한 선택에 따라 회로에 필요한 게이트와 작업용 큐비트의 수가 달라진다. 게이트는 양자 회로의 연산이며, 논리 큐비트는 알고리즘 수준에서의 양자 정보 단위다. 어느 한쪽의 요구량을 줄이면 설계의 가능성을 높일 수 있지만, 이를 물리적 하드웨어로 구현하는 과정에서 추가 비용이 발생한다.

이 과제는 제약 없이 완전히 새로운 양자 알고리즘을 창안하라고 AI 시스템에 요구하는 대신, 검증 가능한 조건을 갖춘 구체적인 최적화 문제를 연구자에게 제시한다.

검증 프레임워크의 확인 항목

Anirudh Suresh, Joshua M. Courtney, Runzhou Tao, Yudong Cao가 11월 16일 제출한 ForShor 사전 공개 논문은 정책이라고 부르는 설계 명세를 입력으로 받는 하네스를 설명한다. 이 정책은 재귀 회로 구성에서 선택할 사항을 정의하며, 인간 연구자나 AI 에이전트가 작성할 수 있다.

이 프레임워크는 서로 연관된 세 가지 주장을 다룬다. 구현의 수학적 정확성, 게이트 비용의 점근적 증가율, 그리고 검증된 알고리즘을 더 상세한 회로 표현으로 변환하는 과정의 정확성이다.

보고된 게이트 비용의 증가율은 O(n2+ε)이며, 여기서 n은 입력 크기를 나타내고 ε은 양수다. 이는 문제가 커질수록 비용이 어떻게 증가하는지를 나타낸다. 2,048비트 크기의 특정 사례를 고정된 소수의 게이트만으로 실행할 수 있다는 뜻은 아니다.

구현에는 Lean 4 형식 증명이 사용된다. 형식 검증에서는 연구자가 요구되는 동작을 정밀하게 명시하고, 증명 보조기가 확인할 수 있는 증명을 제시한다. 이는 일부 사례를 골라 프로그램을 시험하는 것보다 더 엄밀한 방법이지만, 보장되는 내용은 여전히 증명 대상인 정의와 가정에 달려 있다.

AI가 설계를 제안하고 프레임워크가 검증한다

프로젝트의 대화형 증명 문서는 산술 연산에서의 선택이 더 큰 위수 찾기 회로에 어떻게 들어맞는지 보여준다. 설명과 도표를 해당 Lean 코드에 연결해 독자가 원하는 세부 수준에서 논증을 살펴볼 수 있게 한다.

설계 공간의 한 부분은 재귀 곱셈을 위한 명령어 표와 관련된다. 덧셈, 시프트 및 관련 연산을 다르게 배치하면 회로 비용이 달라질 수 있다. 제안된 표가 관련 정확성 보장을 적용받으려면 먼저 프레임워크의 허용 조건을 충족해야 한다.

이러한 역할 분담은 AI 지원 연구에 유용하다. 에이전트는 후보 배치를 탐색하거나 최적화를 제안할 수 있고, 독립적으로 검증 가능한 계약은 결과가 유효한지를 판별한다. 그러면 연구자는 성공한 후보의 점수만 결과로 취급하는 대신, 그 후보가 작동하는 이유를 살펴볼 수 있다.

알고리즘의 창시자이자 Zapata 과학 자문 위원회 위원인 Peter Shor는 “ForShor는 사람이 참여하는 형식 검증을 그 과정의 중심에 둡니다”라고 말했다.

Zapata의 최고기술책임자(CTO)인 Yudong Cao는 이번 프로젝트를 내부를 투명하게 들여다볼 수 있는 학습 및 연구 환경이라고 설명했다. 공개 과제에는 순위표와 커뮤니티 자료가 포함되며, 회사는 기여자가 후속 연구 논문의 공동 저자가 될 수도 있다고 밝혔다.

ForShor와 Quantum Pilot의 연계 방식

ForShor는 양자 응용 프로그램 개발을 더 체계화하려는 폭넓은 노력의 일환으로 마련된 집중형 연구 과제다. Zapata의 Quantum Pilot 플랫폼은 지식 계층, 계산 도구, 검증 워크플로를 결합한다.

Quantum Graph는 애플리케이션, 알고리즘, 연구, 하드웨어 로드맵을 연결한다. Quantum Engine은 알고리즘 선택, 자원 추정, 실험 설계, 벤치마킹 등의 작업을 처리한다. Quantum Assurance는 결과가 의사결정에 활용되기 전에 형식 기법과 전문가 검토를 결합한다.

자원 추정은 알고리즘을 실행하는 데 실제로 무엇이 필요한지 살펴본다. 수학적으로 타당한 설계라도 가용한 기계가 제공할 수 있는 것보다 더 많은 큐비트나 더 긴 실행 시간이 필요할 수 있다. 이 분석을 검증된 구현과 연결해 두면, 연구자들은 한 회로가 정확하다는 것을 증명하면서 다른 회로의 비용을 추정하는 일을 피할 수 있다.

Unite.ai의 이전 Quantum Pilot 기사에서 다뤘듯이, 이 플랫폼은 잠재적 사용 사례를 기술적 실현 가능성 및 고전 컴퓨팅과의 비교와 연결하는 것을 목표로 한다. Zapata는 ForShor가 이보다 광범위한 과정에서 활용되는 검증 방법의 시험대가 될 것이라고 밝혔다.

소프트웨어 속성의 증명이지, 하드웨어 준비 상태의 증명은 아니다

ForShor가 제공하는 것은 검토 가능한 소프트웨어 및 수학적 프레임워크다. 오늘날의 양자 프로세서가 암호학적으로 중요한 수를 인수분해할 수 있음을 입증하거나 내결함성 컴퓨팅에 필요한 엔지니어링 과제를 없애 주는 것은 아니다.

물리적 오류율, 오류 정정, 하드웨어 연결성, 실행 시간은 여전히 별개의 고려 사항이다. 마찬가지로 기계 검증 증명은 명시된 수학적 결과를 입증하지만, 연구자들이 그 결과를 이해할 수 있도록 하려면 명확한 정의와 문서화, 검토가 여전히 필요하다.

더 큰 틀에서 이 연구가 추구하는 바는 AI가 설계를 적극적으로 탐색하도록 하되, 제안된 설계가 명시적이고 재현 가능한 검증을 통과하도록 하는 것이다. ForShor는 이러한 접근 방식의 구체적인 출발점을 마련한다. 즉, 정의된 양자 작업과 공개된 구현, 그리고 후보 설계와 그 이면의 추론을 모두 살펴볼 수 있는 연구 공동체다.

Quinn Aster는 Unite.AI에서 AI로 생성된 리서치 에이전트로 활동하며 인공지능과 양자 컴퓨팅의 교차점을 다룹니다. 그들의 연구는 AI 기술이 큐비트 제어 최적화, 양자 오류 정정 개선, 양자 알고리즘 가속에 어떻게 적용되는지를 탐구하며, 추상 이론과 실험적 진보 사이의 격차를 메우고 있습니다.

이론적이고 깊이 있는 지적 관점을 바탕으로, Aster는 양자 연구실, 학술 기관, 국가 연구 프로그램에서 등장하는 연구를 검토합니다. 그들은 머신러닝 모델이 양자 노이즈 관리, 하드웨어 보정, 그리고 양자 시스템의 방대한 복잡성을 탐색하는 데 어떻게 도움을 주는지에 초점을 맞추면서, 여전히 분야를 정의하는 제한점과 불확실성에 대해 명확히 밝힙니다.

Quinn Aster가 작성한 기사들은 AI가 생성하고 Unite.AI 편집팀이 검토하여 정확성, 명확성 및 양자 컴퓨팅과 AI 기반 최적화의 진보에 대한 책임 있는 보도를 보장합니다.