양자 인공지능이 혼돈을 예측하는 데 놀라울 정도로 뛰어난 능력을 갖추게 되었습니다.

양자 컴퓨팅은 인공지능에게 현실 세계의 혼란을 예측하는 데 있어 상당한 우위를 제공했습니다. (사진 제공: Shutterstock)

런던대학교(UCL) 연구진이 주도한 새로운 연구에 따르면 양자 컴퓨팅과 인공지능을 결합하면 복잡한 물리 시스템에 대한 장기간 예측 정확도를 크게 향상시킬 수 있는 것으로 나타났습니다. 이러한 하이브리드 접근 방식은 기존 컴퓨터에만 의존하는 주요 모델보다 뛰어난 성능을 보였습니다.

과학 저널 '사이언스 어드밴스(Science Advances) '에 발표된 이번 연구 결과는 유체 역학으로 알려진 액체와 기체의 거동 시뮬레이션을 향상시킬 수 있을 것으로 기대된다. 이러한 유형의 모델은 기후 과학, 교통, 의학, 에너지 생산과 같은 분야에서 필수적이다.

양자 컴퓨팅이 중요한 이유

향상된 정확도는 양자 컴퓨터의 정보 처리 방식에서 비롯된 것으로 보입니다. 1 또는 0으로 설정되는 비트를 사용하는 기존 컴퓨터와 달리, 양자 컴퓨터는 1, 0 또는 그 사이의 어떤 값으로든 존재할 수 있는 큐비트를 사용합니다. 또한, 각 큐비트는 다른 큐비트에 영향을 미칠 수 있어 비교적 적은 수의 큐비트로 엄청나게 많은 가능한 상태를 표현할 수 있습니다.

UCL 화학과 및 첨단 연구 컴퓨팅 센터의 수석 저자인 피터 코베니 교수는 다음과 같이 설명했습니다. "복잡한 시스템에 대한 예측을 하려면 몇 주가 걸릴 수 있는 전체 시뮬레이션을 실행하거나, 더 빠르지만 장기간에 걸쳐 신뢰성이 떨어지는 AI 모델을 사용할 수 있습니다."

"양자 정보를 활용한 AI 모델을 통해 더욱 정확한 예측을 신속하게 제공할 수 있습니다. 유체 흐름과 난류에 대한 예측은 기초 과학의 난제이지만, 다양한 분야에 응용될 수 있습니다. 저희 방법은 기후 예측, 혈류 및 분자 상호작용 모델링, 또는 풍력 발전소 설계 효율을 높여 에너지 생산량을 극대화하는 데 활용될 수 있습니다."

하이브리드 양자-AI 방식의 작동 원리

양자 컴퓨터는 기존 컴퓨터의 성능을 능가할 것으로 널리 예상되지만, 실제 활용은 지금까지 제한적이었습니다. 이 새로운 접근 방식은 인공지능 학습 과정의 특정 단계에 양자 컴퓨팅을 통합합니다.

일반적으로 AI 모델은 시뮬레이션이나 관찰을 통해 생성된 대규모 데이터 세트를 기반으로 학습합니다. 이 경우, 데이터는 먼저 양자 컴퓨터에서 처리되어 시간이 지나도 안정적으로 유지되는 핵심 통계 패턴을 식별합니다. 이러한 불변 통계적 속성으로 알려진 패턴은 기존 슈퍼컴퓨터에서 실행되는 AI 모델의 학습을 안내하는 데 사용됩니다.

더 적은 메모리로 더 높은 정확도

양자 정보를 활용한 AI 시스템은 양자 기반 패턴을 사용하지 않는 표준 AI 모델에 비해 약 20% 더 높은 정확도를 보였습니다. 또한 혼돈 시스템을 모델링할 때조차도 장기간에 걸쳐 안정적인 예측을 유지했습니다.

또 다른 주요 이점은 효율성이었습니다. 이 방법은 수백 배 적은 메모리를 필요로 하므로 대규모 시뮬레이션에 훨씬 더 실용적입니다.

효율성 뒤에 숨겨진 양자 효과

이러한 성능 향상은 양자 컴퓨팅의 두 가지 핵심 특징에서 비롯됩니다. 얽힘은 큐비트가 거리에 관계없이 서로 영향을 미칠 수 있도록 하며, 중첩은 큐비트가 측정될 때까지 여러 상태에 동시에 존재할 수 있도록 합니다. 이러한 특성들이 결합되어 양자 시스템은 방대한 양의 정보를 압축된 형태로 처리할 수 있습니다.

실질적인 양자 우위 입증

UCL 계산과학센터의 제1저자인 마이다 왕은 "우리의 새로운 방법은 실질적인 방식으로 '양자 우위'를 입증하는 것으로 보입니다. 즉, 양자 컴퓨터가 순수 고전 컴퓨팅으로는 불가능한 성능을 보여줍니다.

이러한 발견은 훨씬 더 높은 정확도를 달성하는 새로운 고전적 접근 방식 개발에 영감을 줄 수 있지만, 그러한 접근 방식은 우리 방법이 제공하는 탁월한 데이터 압축 및 매개변수 효율성에는 미치지 못할 가능성이 높습니다.

다음 단계는 더 큰 데이터 세트를 사용하여 방법을 확장하고 일반적으로 더 복잡한 실제 상황에 적용하는 것입니다. 또한, 입증 가능한 이론적 프레임워크를 제안할 것입니다."라고 말했습니다.

공동 제1 저자인 UCL 첨단 연구 컴퓨팅 소속의 샤오 쉐는 "이번 연구에서는 양자 컴퓨팅을 고전적인 머신러닝 방법과 의미 있게 통합하여 유체 역학을 포함한 복잡한 동적 시스템을 다룰 수 있음을 처음으로 입증했습니다. 이러한 '양자 기반' 접근 방식이 실용화 단계로 나아가고 있다는 점이 매우 고무적입니다."라고 덧붙였습니다.

복잡계의 물리학을 포착하다

연구진은 양자 컴퓨터가 이러한 시스템의 기본 물리 현상을 간결하게 표현할 수 있기 때문에 이러한 시스템을 모델링하는 데 특히 적합하다고 주장합니다. 많은 복잡계는 양자 효과와 유사한 방식으로 작동하는데, 한 영역의 변화가 시스템의 멀리 떨어진 부분에 영향을 미치는 현상이 얽힘과 비슷합니다.

현재 양자 하드웨어의 한계 극복

현재의 양자 컴퓨터는 잡음, 오류, 간섭과 같은 문제에 직면해 있으며, 이러한 문제를 해결하기 위해서는 종종 많은 측정 횟수가 필요합니다. 새로운 방법은 양자 컴퓨터와 고전 시스템 간에 데이터를 반복적으로 교환하는 대신, 워크플로우 과정에서 양자 컴퓨터를 단 한 번만 사용함으로써 이러한 문제를 해결합니다.

실험 세부 사항 및 향후 가능성

이 연구에서는 독일 라이프니츠 슈퍼컴퓨팅 센터의 강력한 기존 컴퓨팅 자원에 연결된 20큐비트 IQM 양자 컴퓨터를 사용했습니다.

양자 컴퓨터가 제대로 작동하려면 영하 273도(절대 영점에 가까운 온도로, 우주 공간의 어떤 것보다도 차갑습니다) 정도의 극저온에서 작동해야 합니다.

이 연구는 유니버시티 칼리지 런던(UCL)과 영국 공학 및 물리과학 연구위원회(EPSRC)의 자금 지원을 받았으며, IQM 양자 컴퓨터와 뮌헨의 라이프니츠 슈퍼컴퓨팅 센터에서 추가적인 지원을 받았습니다.

연구자들이 이러한 접근 방식을 확대 적용함에 따라, 광범위한 과학 및 공학 분야에서 더욱 정확하고 효율적인 예측이 가능해질 수 있습니다.

출처: https://www.sciencedaily.com/releases/2026/04/260417224455.htm