일본, 현 슈퍼컴퓨터보다 100배 빠른 양자 컴퓨터 프로토타입 공개

2017년 11월, 일본은 첫 양자 컴퓨터 프로토타입을 공개하고 인터넷을 통해 무료로 대중에게 시범 사용을 개방했습니다. 이 기계로 일본은 인공지능의 완전한 잠재력을 활용하는 열쇠인 더 큰 무차별 대입 능력을 가진 세계 최강 컴퓨터 개발 경쟁에 합류했습니다.

이 프로젝트는 일본전신전화(NTT), 도쿄 대학교, 국립정보학연구소, 스탠퍼드 대학교가 개발했으며, 일본 정부의 임팩트(ImPACT) 프로그램 지원을 받았습니다.

이 기계는 이론적으로 기존 슈퍼컴퓨터보다 약 100배 빠르게 복잡한 최적화 문제를 해결할 수 있는 양자 신경망을 기반으로 합니다. 더 인상적인 것은 동일 작업을 수행하는 데 기존 슈퍼컴퓨터가 10,000킬로와트를 사용하는 반면, 이 기계는 1킬로와트만 소비한다는 점입니다. 정확히 무엇을 개발했고 어떻게 작동하는지 알아보겠습니다.

양자 신경망(Quantum Neural Networks)

양자 신경망(QNN)은 광학 파라메트릭 발진기를 양자 뉴런으로, 광학 호모다인 측정 피드백 회로를 양자 시냅스로 사용합니다. 광학 파라메트릭 발진기 임계값에서의 집단 대칭 깨짐을 활용해 여러 최적화 문제의 조합 해를 탐색합니다.

또한 사용자는 QNN과의 실험과 광학 파라메트릭 발진기 네트워크의 양자 이론에 기반한 시뮬레이션을 직접 체험할 수 있습니다.

간단히 말해, 양자 신경망에서 연구자들은 양자 정보의 이점을 활용해 인공 신경망 모델을 통합함으로써 더 효율적인 애플리케이션을 구축하려 합니다. 목표는 양자 컴퓨팅 특징(양자 병렬성, 간섭, 얽힘)을 자원으로 사용하는 것입니다. 그러나 빅데이터 앱에서는 고전적 신경망 훈련이 상당히 어렵습니다.

QNN클라우드(QNNCloud)

양자 신경망의 원리와 특징에 관심이 있다면 QNN클라우드는 3가지 도구를 제공합니다.

1. 양자 이론을 설명하는 백서
2. 슈오부(Shoubu) 슈퍼컴퓨터를 이용한 양자 시뮬레이션 기능
3. QNN을 이용한 양자 연산

QNN클라우드는 프로그래밍 가능한 올투올(all-to-all) 연결을 가진 2000개 광학 파라메트릭 발진기 네트워크 위에 구축되어, 사용자가 완전 그래프에서 N=2,000까지의 NP-하드 맥스 컷(Max Cut) 문제를 타겟 그래프를 기계 하드웨어에 임베딩하는 노력 없이 해결할 수 있게 합니다(이는 현재 양자 컴퓨터의 한계를 훨씬 뛰어넘습니다).

연속 및 조합 최적화를 포함하는 수백만 개의 문제가 존재합니다. 예를 들어 주파수 대역의 리드 화합물 최적화, 무선 통신의 송신 전력, 의약품 개발, 핀테크의 포트폴리오 최적화, 머신러닝의 볼츠만 샘플링, 압축 센싱의 희소 코딩 등입니다.

이들 문제 대부분은 복잡도 이론에서 비결정론적 다항식(NP), NP-완전, NP-하드 클래스에 속합니다. 문제 크기가 매 반복마다 증가하므로 막대한 계산 자원이 필요합니다.

QNN 시스템은 광학 파라메트릭 발진기 임계값 이하에서의 양자 병렬 탐색, 임계값에서의 집단 대칭 깨짐, 임계값 이상에서의 기하급수적 확률 증폭을 활용해 이러한 한계를 극복합니다.

근시일 내에 QNN클라우드는 실제 응용을 위한 양자 알고리즘 개발 시뮬레이션 도구를 제공할 예정입니다.

QNN 하드웨어

QNN 하드웨어는 듣기만큼 복잡하지 않습니다. 1km 길이의 광섬유 링 캐비티에서 N=2,000개의 광학 파라메트릭 발진기 펄스가 주기적으로 폴링된 LiNbO3 웨이브가이드 장치를 펄스 트레인(1GHz 주파수)으로 여기시켜 동시에 생성됩니다.

출처: QNN클라우드

이진 변수는 각 광학 파라메트릭 발진기 펄스의 π-위상과 0-위상 상태로 표현됩니다. 모든 펄스는 임계값 이하에서 π-위상과 0-위상 중첩 상태로 생성되지만, 임계값 이상에서는 둘 중 하나의 상태가 됩니다. 이 펄스 쌍은 진폭을 순차적으로 측정해 결합할 수 있습니다.

여기서 측정은 FPGA(필드 프로그래머블 게이트 어레이)로 적절한 피드백 펄스 진폭을 평가하는 것을 의미합니다. 피드백은 타겟 광학 파라메트릭 발진기 펄스에 주입됩니다.

N=2,000 펄스에 대한 올투올 연결은 각 라운드 트립(5마이크로초 지속)마다 실행됩니다. 외부 펌프 속도가 임계값 이상으로 상승하면, 10~1,000 라운드 트립 후 π-위상 또는 0-위상 구성으로 해가 얻어집니다.

QNN 시뮬레이터

QNN 역학은 측정에 의한 파동 패킷 축소를 고려한 양자 마스터 방정식으로 이론적으로 예측할 수 있습니다. 모델은 슈오부 슈퍼컴퓨터에서 실행되며, 대규모 병렬 시뮬레이션으로 QNN 역학을 훨씬 짧은 시간에 재생할 수 있습니다.

예산 및 향후 계획

현재 미국은 양자 컴퓨팅 기술 연구개발에 연간 2억 달러 이상을 지출하며, 중국은 양자 응용을 위해 100억 달러 규모 연구센터를 건설 중인 것으로 알려졌습니다.

일본은 2018년 4월부터 10년간 약 2억 6,700만 달러를 양자 컴퓨팅에 투자할 계획입니다. 또한 히타치(Hitachi)가 케임브리지 대학교와 협력해 양자 컴퓨팅 기술을 연구 중입니다.

실제 응용을 위한 알고리즘, 새 알고리즘 개발을 위한 시뮬레이션 도구, 순환 신경망 아키텍처를 가진 고급 QNN이 향후 공개될 예정입니다. 현재 2020년 1분기 상용화를 목표로 하며, 모바일 최적화, 도시 교통 체증, 신약 및 신물질 발견 등 더 깊은 최적화 문제에 집중할 것입니다.

참고 읽기: 양자 컴퓨터에 대한 10가지 이상의 흥미로운 사실

한편 마이크로소프트, IBM, 구글 같은 기술 거물들도 자체 양자 기계를 개발 중이며, 테스트 결과 돌파구가 임박했음을 보여줍니다.