.jpg)
‘얽힘 분리 양자 신경망’ 미국 물리학회지 논문 게재
고차원 양자 상태서도 효율적으로 물리량 추정 방법론 제시
[보안뉴스 김경애 기자] 고차원 양자 상태서도 복잡한 계산 필요 없이 효율적으로 물리량을 추정할 수 있는 방법론이 개발됐다.
노르마(대표 정현철)는 새로운 양자 신경망 방식 논문을 미국 물리학회지에 올렸다고 24일 밝혔다.
이준서 노르마 퀀텀 AI팀 연구원은 지난달 미국 물리학회의 학술지 ‘피지컬 리뷰 에이’(Physical Review A)에 ‘얽힘 분리 양자 신경망을 통한 양자 엔트로피와 양자 거리 측도의 통합적 추정’ 제목 논문을 게재했다. 논문엔 한국과학기술원(KAIST) 신명진·이승우 학생과 공동 제1저자로 참여했다. 교신 저자는 서울대학교 정갑균 박사가 맡았다.
연구팀은 해당 연구에서 ‘얽힘 분리 양자 신경망’(DEQNN·Disentangling Quantum Neural Network)을 개발했다. DEQNN은 고차원 양자 상태서도 높은 정확도를 유지할 수 있도록 설계됐다. 양자 상태를 수학으로 표현하는 공간인 힐베르트 공간 크기를 줄이면서도 양자 상태가 포함하는 정보를 최대 보존하는 특성을 갖는다.
축소된 양자 시스템 내에서 복잡한 계산 필요 없이 DEQNN을 활용하면, 물리량들을 효율적으로 추정할 수 있다. 또 개별 물리량 추정 시 차원(고차원 힐베르트 공간서 정보 핵심 부분만 유지하면서 낮은 차원의 표현을 찾는 과정) 축소를 단일 네트워크 구조 내서 동시 진행토록 설계한 통합 방법론을 제시했다.
이 연구원은 “DEQNN은 통합된 차원 축소 방식을 적용해 양자 정보 이론서 요구되는 물리량을 효율적으로 추정할 수 있다”며 “이를 통해 대규모 양자 시스템의 복잡성을 극복하고, 양자 정보 처리·분석에 활용할 수 있는 명확한 이론적 기반 제시가 목표였다”고 연구 배경을 설명했다.
이 기술을 활용하면 낮은 복잡도의 양자 신경망을 구현해 기존 양자 알고리즘 성능을 향상시킬 수 있을 것으로 기대된다. 특히 화학·물리 시뮬레이션, 금융 모델링 등 다양한 분야서 향상된 양자 머신러닝 기법을 적용할 수 있을 것으로 전망된다.
[김경애 기자(boan3@boannews.com)]
고차원 양자 상태서도 효율적으로 물리량 추정 방법론 제시
[보안뉴스 김경애 기자] 고차원 양자 상태서도 복잡한 계산 필요 없이 효율적으로 물리량을 추정할 수 있는 방법론이 개발됐다.
▲미국 물리학회 학술지 ‘Physical Review A’에 실린 DEQNN을 통한 양자 정보 물리량 추정 결과 [자료: 노르마]
노르마(대표 정현철)는 새로운 양자 신경망 방식 논문을 미국 물리학회지에 올렸다고 24일 밝혔다.
이준서 노르마 퀀텀 AI팀 연구원은 지난달 미국 물리학회의 학술지 ‘피지컬 리뷰 에이’(Physical Review A)에 ‘얽힘 분리 양자 신경망을 통한 양자 엔트로피와 양자 거리 측도의 통합적 추정’ 제목 논문을 게재했다. 논문엔 한국과학기술원(KAIST) 신명진·이승우 학생과 공동 제1저자로 참여했다. 교신 저자는 서울대학교 정갑균 박사가 맡았다.
연구팀은 해당 연구에서 ‘얽힘 분리 양자 신경망’(DEQNN·Disentangling Quantum Neural Network)을 개발했다. DEQNN은 고차원 양자 상태서도 높은 정확도를 유지할 수 있도록 설계됐다. 양자 상태를 수학으로 표현하는 공간인 힐베르트 공간 크기를 줄이면서도 양자 상태가 포함하는 정보를 최대 보존하는 특성을 갖는다.
축소된 양자 시스템 내에서 복잡한 계산 필요 없이 DEQNN을 활용하면, 물리량들을 효율적으로 추정할 수 있다. 또 개별 물리량 추정 시 차원(고차원 힐베르트 공간서 정보 핵심 부분만 유지하면서 낮은 차원의 표현을 찾는 과정) 축소를 단일 네트워크 구조 내서 동시 진행토록 설계한 통합 방법론을 제시했다.
이 연구원은 “DEQNN은 통합된 차원 축소 방식을 적용해 양자 정보 이론서 요구되는 물리량을 효율적으로 추정할 수 있다”며 “이를 통해 대규모 양자 시스템의 복잡성을 극복하고, 양자 정보 처리·분석에 활용할 수 있는 명확한 이론적 기반 제시가 목표였다”고 연구 배경을 설명했다.
이 기술을 활용하면 낮은 복잡도의 양자 신경망을 구현해 기존 양자 알고리즘 성능을 향상시킬 수 있을 것으로 기대된다. 특히 화학·물리 시뮬레이션, 금융 모델링 등 다양한 분야서 향상된 양자 머신러닝 기법을 적용할 수 있을 것으로 전망된다.
[김경애 기자(boan3@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
김경애기자 기사보기
[2025-02-24] 
.jpg)
