양자컴퓨터도 미니멀리즘… 가지치기로 신뢰도 높였다
빛을 이용한 양자 컴퓨터 및 딥러닝 가속기의 신뢰도 향상 달성
□ 국내 연구진이 중요한 소자만 골라내는 가지치기 방식으로 양자 컴퓨터와 인공지능(AI) 딥러닝 등에 활용되는 광자 회로의 신뢰도를 크게 높이는 데 성공했다.
□ 한국연구재단(이사장 이광복)은 서울대학교 박남규 교수와 유선규 교수 연구팀이 범용 양자 컴퓨터 및 광자 머신러닝*의 신뢰도를 획기적으로 높이는 양자 회로 가지치기 기법을 개발했다고 밝혔다.
* 광자 머신러닝 : 빛의 최소 단위인 광자를 최소한의 손실로 전송하고 제어하는 능력은 정보운반에 빛을 사용하는 머신러닝 및 양자 컴퓨터에서 매우 중요하다. 이런 광자회로를 이용한 인공지능의 기계학습.(머신러닝)
□ 최근 빌 게이츠가 언급했듯* 미래 컴퓨팅에서 막대한 양의 처리 능력을 제공할 혁신기술로 빛의 역할이 주목받고 있다. 빛은 초고속/저손실 연산 등을 가능케 한다.
○ 특정 문제에 국한되지 않는 범용 컴퓨팅 구현을 위해서는 빛의 상태를 실시간 제어하고 프로그래밍할 수 있는 광자 집적회로 활용이 필수적이다.
○ 그러나 회로의 규모가 커지면 소자의 열잡음이 연산 신뢰도를 크게 떨어뜨려, 양자 큐비트** 수와 딥러닝 뉴런*** 수를 상용 가능한 수준으로 늘리는 데 큰 어려움이 존재한다.
* 올해 3월 ‘AI의 시대가 열리다(The Age of AI has begun)’라는 제목으로 발표한 에세이
** 큐비트(qubit) : 양자 컴퓨터로 계산할 때의 기본 단위
*** 딥러닝 뉴런 : 두뇌의 신경세포(뉴런)이 연결된 형태를 모방한 인공신경망의 구조
□ 이번 연구는 다학제적 접근 방식을 통해 광자 회로 분야 난제를 극복했다는 점에서 주목된다.
○ 연구팀은 매우 적은 뉴런 수로도 놀라운 기능을 하는 예쁜꼬마선충, 허브 구성 요소들이 시스템 구동을 주도하는 항공망 등에서 착안해 기존보다 효율적인 광자 하드웨어 구현을 시도했다.
○ 이를 위해 양자 컴퓨팅 및 AI에 활용되는 광자 회로의 하드웨어 분석을 진행하는 과정에서, 네트워크 과학의 파레토 법칙(80대20 법칙)이 광자 회로에서도 발견된다는 사실을 확인하였다.
○ 이는 허브 소자들이 따로 존재하며, 덜 중요한 소자들을 제거하여 고신뢰도 및 저전력 회로를 구현할 수 있음을 의미한다.
□ 연구팀은 자연계의 숨은 불평등성을 공학적으로 활용하기 위해, 딥러닝 소프트웨어 분야에서 활용되고 있는 가지치기* 개념을 광자 하드웨어 설계에 최초로 도입하여, ‘양자 회로 가지치기’ 기법을 개발하였다. 이를 통해 높은 신뢰도의 양자 컴퓨팅 및 딥러닝 가속기 구현이 가능하다는 점을 증명하였다.
* 가지치기(Pruning) : 모델 학습 시 중요한 파라미터는 살리고 그렇지 않은 파라미터는 덜어내는 경량화 기술.
□ 박남규 교수는 “이번 연구는 꼭 필요한 소자만 남기는 양자 회로의 미니멀리즘이라고 할 수 있다.”며 “가지치기의 효율이 대규모 양자 컴퓨팅 및 딥러닝 가속기에서 더욱 향상된다는 점은 매우 고무적”이라고 강조했다.
□ 과학기술정보통신부와 한국연구재단이 추진하는 기초연구실, 우수신진연구사업의 지원으로 수행된 이번 연구의 성과는 국제학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 4월 3일 게재되었다.
