전기전자/정보통신

전자정보통신학회지_2021.11 특집 (p1133)

양자 기계학습 특집
최근 동향에 대한 종합적 분석

우리의 일상생활 속에서 정보나 계산을 위한 가젯이 넘쳐나게 된 것에는 무엇보다 최근 몇 년 간의 정보과학 발전의 영향이 크다. 이 정보과학에 있어서 기존에는 독립적으로 진화해왔다고 여겨져 왔던 두 개의 영역, 양자정보처리와 기계학습. 이 두 분야가 최근 급속도로 접근하면서 상당히 매력적인 연구 영역이 새롭게 탄생해 눈부신 발전을 이루고 있다.

하지만, 두 분야 모두 그 긴 연구의 역사에서 광범위하고 깊이 있는 전문성이 추구되어왔기 때문에 그 융합영역의 발전은 개관하는 것만으로도 쉽지 않을 수 있다. 이러한 동기에서 이번 특집은 융합영역인 양자기계학습을 중심으로 두 분야의 접근으로 탄생한 새로운 영역의 최전선에서 활약하는 전문가들이 그 기초가 되는 수리와 최근 동향에 대한 종합적인 분석을 해주었다.

1장: 인간 뇌의 정보 처리 방법에 힌트를 얻은 학습 방식을 기계학습 분야에 융합하는 시도로 RC(Reservoir computing, 축적컴퓨팅)기술이 큰 기대를 모으고 있으며, 다양한 구현 방법이 제안되어왔다. 그 중에서 최근에는 양자 다이나믹스를 이용한 양자RC이라고 불리는 기술이 등장했다. 과연 이 양자RC란 어떤 것일까? 제 1장에서는 그 기초 원리부터 최근의 동향, 현 시점에서의 과제 및 향후 전망을 소개한다.

2장: 양자컴퓨터와 이를 통해 구현되는 양자알고리즘 연구개발에 있어 그 성능을 이론적인 해석에 그치지 않고 실질적인 평가를 기대하는 경우가 자주 있다. 이러한 기대에 부응할 수 있는, 양자컴퓨터를 통상적인 고전 컴퓨터를 통해 시뮬레이션하는 소프트웨어가 요구되고 있다. 제 2장에서는 양자컴퓨터의 시뮬레이션 방법에 관해, 그 원리와 최근의 발전 및 유스케이스에 대한 해설을 소개한다.

3장: 양자 다체문제(多體問題)는 다체 상호 작용으로 인해 만들어지는 새로운 질서를 해명하는데 있어 매우 중요한 과제이며, 새로운 디바이스와 양자 정보 처리로의 응용이 기대되고 있다. 제 3장에서는 이 양자 다체문제의 기초와 최근 새로운 동향으로서 발전하고 있는 기계학습을 이용한 전략을 소개한다.

4장: 코인을 바닥에 던졌을 때, 앞면이 나왔는지, 뒷면이 나왔는지는 실제로 바닥에 던져진 코인을 관측함으로써 확인할 수 있다. 우리들이 일상적으로 체험하는 물리현상의 대부분은 이처럼 결정적인 것으로서 파악할 수 있다. 한편, 양자론에 따른 현상에서 어떠한 정보를 읽어내고자 할 때에는 그 현상에 대해 확률이라는 개념이 중요해진다. 제 4장에서는 양자론에 따른 현상에서 어떻게 정보를 효율적으로 읽어낼 수 있을까에 대한 기초가 되는 수리, 응용, 최근의 연구 발전, 과제 및 문제를 소개한다.

5장: 양자컴퓨터의 하드웨어 발전에서는 오류 정정 기능을 보유하고 있지 않은 디바이스의 실현이 서서히 현실화되고 있으며, 이러한 디바이스들을 기계학습〮최적화에 응용하려는 움직임이 나오고 있다. 제 5장에서는 특히 최근 주목 받고 있는 변분(變分) 양자 알고리즘을 중심으로 오류 정정 기능을 가지고 있지 않은 하드웨어를 이용한 양자기계학습의 최근 몇 년 간의 발전, 그 알고리즘의 원리에 대한 폭 넓은 분석을 소개한다.

6장: 현재 이용 가능한 양자컴퓨터는 잡음으로 인한 영향을 피할 수 없다. 어떻게 잡음의 영향을 줄일 수 있을까? 또한 잡음을 고려한 상태에서 양자컴퓨터의 성능을 비교하기 위해서는 어떻게 해야 할까? 제 6장에서는 양자컴퓨터의 각종 성능을 이끌어내는 기술에 대한 설명과 그 성능을 이끌어내는 지표를 소개한다.

7장: 양자컴퓨터와 고전 컴퓨터의 능력에는 어떤 차이가 있을까? 양자컴퓨터는 고전 컴퓨터에 비해 보다 본질적으로 높은 계산 능력을 가지고 있지 않을까라는 기대를 사람들은 가지고 있다. 이러한 소박한 궁금증에 대해 제 7장에서는 계산량 이론이란 관점에서 양자 계산에 있어 가능한 것과 불가능한 것에 대한 명확한 설명과, 양자 계산으로 가능한 것의 한 예로 양자 알고리즘에 중대한 통찰을 제공해주는 양자 특이값 변환의 수리와 응용에 대해 소개한다.

8장: 현재 이용이 가능한 오류 내성이 없는 양자컴퓨터를 어떻게 기계학습에 적용할 수 있을까? 제 8장에서는 양자컴퓨터로 데이터를 효율적으로 탐독해 기계학습의 실질적 문제에 응용할 수 있을지에 대해 설명. 특히 시계열 데이터 분석, 분류 문제, 적대적 생성 네트워크 등을 예로 들어 기계학습과 양자컴퓨터의 접점을 명확하게 제시한다.

마지막으로 바쁘신 와중에도 이번 특집의 원고를 집필해주신 저자 여러분들, 편집을 담당한 특집 편집팀과 학회사무국 여러분들께 깊은 감사의 말씀을 드린다.

 -- 끝 --