일본, 현재 슈퍼컴퓨터보다 100배 빠른 양자 컴퓨터 프로토타입 출시

2017년 11월 일본은 시험용으로 인터넷을 통해 대중에게 무료로 공개되는 최초의 양자 컴퓨터 프로토타입을 공개했습니다. 이 기계를 통해 일본은 인공 지능의 잠재력을 최대한 활용하기 위한 핵심인 더 큰 무차별 대입 방식으로 세계에서 가장 강력한 컴퓨터를 구축하는 경쟁에 동참하게 되었습니다.

이 프로젝트는 Nippon Telegraph and Telephone Corporation, Tokyo University, National Institute of Informatics, Stanford University에서 개발했으며 일본 정부의 ImPACT 프로그램에서 재정적 지원을 받았습니다.

이 기계는 이론적으로 기존 슈퍼컴퓨터보다 약 100배 빠르게 복잡한 문제를 해결할 수 있는 양자 신경망을 기반으로 합니다. 더욱 인상적인 점은 기존 슈퍼컴퓨터가 동일한 작업을 수행하는 데 사용하는 10,000kW가 아닌 단 1kW의 전력을 소비하면서 이 모든 작업을 수행한다는 것입니다. 그들이 정확히 무엇을 개발했고 어떻게 작동하는지 알아봅시다.

양자 신경망

QNN(양자 신경망)은 광학 파라메트릭 발진기를 양자 뉴런으로 사용하고 광학 호모다인 측정 피드백 회로를 양자 시냅스로 사용합니다. 이는 광 파라메트릭 발진기 임계값에서 집단 대칭 제동을 활용하여 최적화 문제의 여러 조합에 대한 솔루션을 검색합니다.

또한 사용자는 광 파라메트릭 발진기 네트워크의 양자 이론을 기반으로 한 QNN 실험과 시뮬레이션을 실제로 수행하는 것이 어떤 것인지 경험할 수 있습니다.

간단히 말해서, 양자 신경망에서 연구자들은 양자 정보의 이점을 활용하는 인공 신경망 모델을 통합하여 보다 효율적인 애플리케이션을 구축하려고 노력합니다. 목표는 양자 컴퓨팅 기능(양자 병렬성, 간섭, 얽힘)을 리소스로 사용하는 것입니다. 그러나 특히 빅 데이터 앱에서는 기존 신경망을 훈련시키는 것이 매우 어렵습니다. 

QNNCLoud

양자 신경망의 원리와 기능에 관심이 있다면 QNNCloud는 3가지 도구를 제공합니다.

1. 양자 이론을 자세히 설명하는 백서
2. Shoubu 슈퍼컴퓨터를 이용한 양자 시뮬레이션 능력
3. QNN을 이용한 양자 계산

QNNcloud는 프로그래밍 가능한 올투올(all-to-all) 연결을 갖춘 2000개의 광 파라메트릭 발진기 네트워크를 기반으로 구축되어 사용자가 기계 하드웨어에 대상 그래프를 삽입하려는 노력을 하지 않고도 완전한 그래프(현재 양자 컴퓨터의 한계를 훨씬 뛰어넘는)에서 최대 N=2,000 크기의 NP Hard Max Cut 문제를 해결할 수 있습니다.

주파수 대역 개발 시 납 화합물 최적화, 무선 통신의 전송 전력, 의학, 핀테크의 포트폴리오 최적화, 기계 학습의 볼츠만 샘플링, 압축 감지를 위한 희소 코딩 등과 같이 연속적이고 조합적인 최적화와 관련된 수백만 가지 문제가 존재합니다.

이러한 문제의 대부분은 복잡성 이론의 비결정적 다항식(NP), NP Complete 및 NP Hard 클래스에 속합니다. 반복할 때마다 문제의 크기가 증가하므로 문제를 해결하려면 엄청난 양의 계산 리소스가 필요합니다.

QNN 시스템은 이러한 한계를 해결하기 위해 광 파라메트릭 발진기 임계값 미만에서의 양자 병렬 검색, 임계값에서의 집단 대칭 파괴, 임계값 초과에서의 지수 확률 증폭을 활용합니다.

가까운 미래에 QNNcloud는 실제 응용을 위한 양자 알고리즘 개발을 위한 시뮬레이션 도구를 제공할 것입니다.

QNN의 하드웨어

QNN 하드웨어는 들리는 것만큼 복잡하지 않습니다. 1km 길이의 섬유 링 캐비티에서 N=2,000 펄스의 광 파라메트릭 발진기가 1GHz 주파수의 펄스 트레인을 사용하여 캐비티 내부 및 주기적으로 폴링된 LiNb03 도파관 장비를 자극하여 동시에 생성됩니다.

출처:QNNcloud

이진 변수는 각 광 파라메트릭 발진기 펄스의 π 위상 및 0 위상 상태로 표시됩니다. 모든 펄스는 임계값 미만에서 π 위상과 0위상 중첩으로 생성되지만 둘 중 하나가 임계값 위에 있습니다. 이러한 펄스 쌍은 진폭을 순차적으로 측정하여 결합할 수 있습니다.

여기서 측정이란 FPGA(필드 프로그래밍 가능 게이트 어레이의 약어)를 사용하여 적합한 피드백 펄스 진폭을 평가하는 것을 의미합니다. 그런 다음 피드백은 대상 광 파라메트릭 발진기 펄스에 주입됩니다.

N=2,000+에 대한 전체 연결은 각 왕복에서 실행됩니다(5마이크로초 동안 지속). 외부 펌프 속도가 임계값 이상으로 올라가면 10~1,000회 왕복 후에 솔루션이 π상 또는 0상 구성으로 얻어집니다.

QNN 시뮬레이터

QNN 동역학은 측정에 의해 유도된 파동 패킷 감소를 고려하여 양자 마스터 방정식의 도움으로 이론적으로 예측할 수 있습니다. 이 모델은 Shoubu 슈퍼컴퓨터에서 실행되며 대규모 병렬 시뮬레이션을 통해 훨씬 더 짧은 시간에 QNN 역학을 재생성할 수 있습니다.

예산 및 향후 계획

현재 미국은 양자컴퓨팅 기술 연구개발에 연간 2억 달러 이상을 지출하고 있고, 중국은 양자응용 연구센터를 100억 달러 규모로 짓고 있는 것으로 알려졌다.

반면 일본은 2018년 4월부터 10년 동안 양자컴퓨팅에 약 2억6700만달러를 투자할 계획이다. 또한 히타치는 케임브리지대학교와 협력해 양자컴퓨팅 기술을 연구하고 있다.

다양한 실제 응용 프로그램을 위한 알고리즘, 새로운 알고리즘 개발을 위한 시뮬레이션 도구 및 순환 신경망 아키텍처를 갖춘 고급 QNN이 향후 출시될 예정입니다. 현재 2020년 1분기까지 상용화를 목표로 하고 있습니다. 모바일 최적화, 도시 교통 혼잡, 신약 및 화학 물질 발견과 같은 심층적인 최적화 문제에 집중할 예정입니다.

읽기:양자 컴퓨터에 관한 10가지 이상의 가장 흥미로운 사실

한편, 마이크로소프트, IBM, 구글과 같은 거대 기술 기업들은 자체 양자 머신을 개발하고 있으며, 그들의 테스트에서는 획기적인 발전이 눈앞에 있음을 보여줍니다.