서울대학교(총장 유홍림)는 자연대 김도헌 교수팀이 양자데이터를 활용한 머신러닝의 다체물리 응용법을 제시했다고 밝혔다
고전컴퓨터가 양자컴퓨터를 시뮬레이션하기 힘들지만 양자컴퓨터를 통해 데이터를 제공받으면 기존에 고전컴퓨터만을 이용하는 것보다 더 많은 문제를 풀 수 있다는 것이 연구되었다. 이에 대한 구체적인 응용 예시로 다체계 물리에서 중요한 문제인 바닥상태의 특성을 예측하는 것과 서로 다른 양자상을 구별할 수 있다는 것이 제안되었다.
위의 이론적인 제안에도 불구하고 아직 양자컴퓨터에서 발생하는 오류 때문에 실험적인 구현이 되어 있지 않았는데 본 연구에서 다양한 오류완화 기법을 결합 및 개발해서 현재의 오류가 있는 양자컴퓨터에서도 이론적으로 제시된 알고리즘을 구현할 수 있음을 보였다.
본 연구에서는 random hopping model이라는 양자 시스템의 바닥상태 특징을 학습하는 것이 가능함을 실험적으로 보였다. 이를 통해 양자컴퓨터에서 충분한 데이터를 제공한다면 이후에는 고전컴퓨터를 통한 학습을 통해 시스템의 바닥상태의 특징을 높은 정확도로 예측할 수 있음을 보였다. 구체적으로 학습된 모델을 통해 다체계 물리에서 위상학적 특징이 있다고 알려진 SSH (Su–Schrieffer–Heeger) model의 바닥상태의 특성을 높은 정확도로 예측했다.
서로 다른 양자상을 구분하는 것은 다체계 물리에서 많이 연구되어 왔다. 본 연구에서는 symmetry protected topological phase가 있는 양자 상태를 구분하는 것과 topologically ordered phase가 있는 양자상을 구분하는 문제를 수십 큐빗 규모에서 성공적으로 수행함으로 고전컴퓨터와 양자컴퓨터를 하이브리드로 이용하는 방식의 확장성을 확인했다.
▷ 원문보기 : https://www.lecturernews.com/news/articleView.html?idxno=162678
