AI in EE

AI IN DIVISIONS

AI in Wave Division

AI in EE

AI IN DIVISIONS

AI in Wave Division

AI in Wave Division

이준구 교수 연구팀, 기존 인공지능 기술을 뛰어넘는 양자 인공지능 알고리즘 개발

우리 학부 이준구 교수님 연구팀이 독일 및 남아공 연구팀과의 협력 연구를 통해 비선 형 양자 기계학습 인공지능 알고리즘을 개발하였습니다.

이번 연구를 통해 비선형 커널이 고안되어 복잡한 데이터에 대한 양자 기계학습이 가능하게 되었습니다. 특히 이준구 교수님 연구팀이 개발한 양자 지도학습 알고리즘은 학습에 있어 매우 적은 계산량으로 연산이 가능하여, 대규모 계산량이 필요한 현재의 인공지능 기술을 추월할 가능성을 제시한 것으로 평가를 받고 있습니다.

이준구 교수님 연구팀은 학습데이터와 테스트데이터를 양자 정보로 생성한 후 양자 정보의 병렬연산을 가능하게 하는 양자포킹 기술과 간단한 양자 측정기술을 조합해 양자 데이터 간의 유사성을 효율적으로 계산하는 비선형 커널 기반의 지도학습을 구현하는 양자 알고리즘 체계를 만들었습니다. 이후 IBM 클라우드 서비스를 통해 실제 양자컴퓨터에서 양자 지도학습을 실제 시연하는 데 성공했습니다. KAIST 박경덕 연구교수가 공동 제1 저자로 참여한 이번 연구결과는 국제 학술지 네이처 자매지인 `npj Quantum Information’ 誌 2020년 5월 6권에 게재되었습니다. (논문명: Quantum classifier with tailored quantum kernel).

연구팀은 이와 함께 양자 회로의 체계적 설계를 통해 다양한 양자 커널 구현이 가능함을 이론적으로 증명했습니다. 커널 기반 기계학습에서는 주어진 입력 데이터에 따라 최적 커널이 달라질 수 있으므로, 다양한 양자 커널을 효율적으로 구현할 수 있게 된 점은 양자 커널 기반 기계학습의 실제 응용에 있어 매우 중요한 성과입니다.

이 연구에 참여한 박경덕 연구교수님은 “연구팀이 개발한 커널 기반 양자 기계학습 알고리즘은 수년 안에 상용화될 것으로 예측되는 수백 큐비트의 NISQ(Noisy Intermediate-Scale Quantum) 컴퓨팅의 시대가 되면 기존의 고전 커널 기반 지도학습을 뛰어넘을 것ˮ이라면서 “복잡한 비선형 데이터의 패턴 인식 등을 위한 양자 기계학습 알고리즘으로 활발히 사용될 것ˮ이라고 말했습니다.

한편 이번 연구는 각각 한국연구재단의 창의 도전 연구기반 지원 사업과 한국연구재단의 한-아프리카 협력기반 조성 사업, 정보통신기획평가원의 정보통신기술인력 양성사업(ITRC)의 지원을 받아 수행되었습니다.

아래의 링크에서 관련 논문에 대한 정보를 확인하실 수 있습니다.

다시 한 번, 양자 분야에서 뛰어난 행보를 보이시는 이준구 교수님 연구팀 성과에 박수를 보냅니다.

[Link]

https://www.nature.com/articles/s41534-020-0272-6