Cambridge Quantum Computing 과학자들이 방법을 개발하고, 양자 기계가 매우 일반적인 확률 추론 모델에서 숨겨진 정보를 추론하는 법을 학습할 수 있다고 증명했다. 이 방법은 복잡한 시스템에서 추론과 불확실성 수량화가 중요한 다양한 용도를 개선할 수 있다. 그 예로는 의학 진단, 미션 크리티컬 기계에서 고장 감지 또는 투자 관리를 위한 금융 예측 등이 있다.

출판 전 논문 저장소인 arXiv에서 발표된 이 논문[ https://arxiv.org/abs/2103.06720 ]에서 CQC 연구원들은 양자 컴퓨터가 실제 세계 시나리오에서 전형적인 불확실성을 다루는 법(인간은 종종 직관적인 방식으로 이를 처리할 수 있다)을 배울 수 있다는 학설을 수립했다. Dr. Marcello Benedetti가 이 연구팀을 이끌었고, Brian Coyle, Dr. Michael Lubasch 및 Dr. Matthias Rosenkranz가 공동 저자로 참여했다. 이 연구팀은 Dr. Mattia Fiorentini가 지휘하는 CQC 양자 기계 학습 부처에 속한다.

이 논문에서는 다음에 대한 양자 지원 추론을 증명하고자 시뮬레이터와 IBM Q 양자 컴퓨터에서 세 가지 원리 검증을 진행했다.

– 표준 베이즈망의 임의적 사례에 관한 추론
– 시뮬레이션된 금융 시계열의 숨겨진 마르코프 모델에서 시장 제도 전환 추론
– ‘폐암’ 문제로 알려진 의학 진단 과제

원리 검증에 따르면, 고도의 표현력을 갖춘 추론 모델을 이용하는 양자 기계가 다양한 분야에서 새로운 용도를 지원할 수 있다고 한다. 이 논문은 “오늘날 시끄러운 양자 장치를 이용한 머신 러닝에서 양자 이점으로 향하는 가장 유망한 길 중 하나는 복잡한 분포에서 표본을 추출하는 것”이라는 같은 사실을 기반으로 한다. 이 선구적인 연구는 양자 컴퓨팅이 현재 초기 단계에 불과하지만, 인간의 추론 에뮬레이션 같은 과학계에서 가장 야심 찬 질문을 연구하는 데 효과적인 도구라는 사실을 보여준다.

단기간에 이 개발로 가장 큰 혜택을 볼 연구원 집단은 여러 산업에 종사하는 머신 러닝 과학자들과 양자 소프트웨어 및 하드웨어 개발자들이다.

이 학술 논문과 더불어 제공된 Medium 논문[ https://medium.com/cambridge-quantum-computing/reasoning-under-uncertainty-with-a-near-term-quantum-computer-99882dc04bb ]에서는 이 선구적인 연구의 기반이 되는 원리를 쉽게 설명하고 있으며, 또한 연구팀이 시행한 원리 검증까지 설명하고 있다.

앞으로 양자 장치가 개선될 전망인 가운데, 이 연구는 양자 컴퓨팅을 확률 추론에 적용하고, 공학과 사업 관련 문제에 직접 적용하기 위한 준비 작업을 제시한다.

CQC의 양자 머신 러닝 부장 Dr. Mattia Fiorentini는 영상을 통해 프로젝트 결과와 그 시사점에 관한 자세한 통찰을 제공하고 있다.




추천기사

댓글 남기기