비엔나 대학교가 주도한 국제 연구팀이 혁신적인 광자 양자 회로를 활용해 소규모 양자 컴퓨터도 머신러닝 성능을 크게 높일 수 있음을 입증했다.
연구진은 오늘날의 양자 기술이 단순한 실험 단계에 머무르지 않고, 이미 특정 과제에서 기존 시스템을 능가할 수 있음을 보여주었다. 실험에서는 광자 양자 컴퓨터를 이용해 데이터 포인트를 분류했으며, 소형 양자 프로세서가 기존 알고리즘보다 더 우수한 성능을 낼 수 있음을 증명했다. "특정 과제에서 우리의 알고리즘이 기존 방식보다 오류를 덜 범한다는 사실을 확인했습니다."라고 프로젝트 책임자인 비엔나 대학교의 필립 발터(Philip Walther)는 설명했다.
실험 장치는 이탈리아 밀라노 공과대학교(Politecnico di Milano)에서 제작된 양자 광자 회로로, 영국의 Quantinuum 연구진이 제안한 머신러닝 알고리즘을 실행했다. "이것은 현재의 양자 컴퓨터도 최첨단 기술을 뛰어넘지 않더라도 좋은 성능을 낼 수 있음을 의미합니다."라고 네이처 포토닉스 논문의 제1저자인 인(鄭浩, Zhenghao Yin)은 덧붙였다.
이번 연구에서 특히 주목할 점은 광자 기반 플랫폼이 기존 컴퓨터에 비해 에너지 소비가 크게 적다는 것이다. "머신러닝 알고리즘의 에너지 수요가 너무 높아 실용성이 떨어지는 상황에서, 이러한 에너지 절감 효과는 미래에 매우 중요해질 수 있습니다."라고 공동 저자인 아이리스 아그레스티(Iris Agresti)는 강조했다. 회로 내에서는 전류가 아닌 빛만 흐르기 때문에, 광자 칩은 냉각 요구사항이 낮다. 여기에 높은 성능과 연산 밀도를 결합하면 상당한 에너지 절감 효과를 얻을 수 있다. 일부 광자 AI 가속기는 그래픽 처리 장치(GPU) 대비 최대 30배 적은 에너지를 사용할 수 있다고 한다.
이번 결과는 양자 효과의 이점을 얻을 수 있는 과제를 식별함으로써 양자 컴퓨팅뿐만 아니라 기존 컴퓨팅에도 영향을 미친다. 실제로 양자 구조에서 영감을 받은 새로운 알고리즘을 설계해 더 나은 성능과 낮은 에너지 소비를 달성할 수 있다. 이번 혁신은 소규모 광자 양자 컴퓨터가 특정 머신러닝 과제에서 기존 시스템을 능가할 수 있음을 보여주었으며, 연구진은 광자 회로에서 양자 강화 알고리즘을 사용해 기존 방식보다 더 정확하게 데이터를 분류했다.
AI 시스템이 점점 더 복잡해지고 전력 수요가 증가함에 따라, 이번 연구는 양자 기술의 이점을 오늘날에도 활용할 수 있는 더 지속가능하고 강력한 AI 기술로 가는 길을 열었다. 양자 광자 기술과 머신러닝의 통합은 컴퓨팅 기술의 가장 유망한 최전선 중 하나로, 이미 실질적인 응용 가능성이 나타나고 있다.