모레부터 2025년이 시작됩니다.
내년에도 뒤처지지 않고 트렌드를 좇아가기 위해서 어떤 기술이 중요해질 것인지 잘 판단해서 내년의 목표를 세워야 할 때입니다.
특히 AI 분야는 너무 빠르게 바뀌고 있기때문에 선택을 잘못하게되면 많이 힘들어질 것은 분명하니까 집중해서 살펴보고 계획을 세워야 하겠습니다.
그럼...
최근에 가장 주목받는 기술 이슈는 누가 뭐라고 하더라도 AI입니다.
그럼 그냥 뭉뚱그려서 AI라고 하지말고 어떤 특정 기술이 특히 주목을 받고 있을까요?
저는 2가지를 보고 있습니다.
먼저 첫번째는 지난 번에 다루었던 AI 에이전트 기술입니다.
이제 AI 기술은 사람이 요청하는 질문에 대답만 하는 것이 아니라 각 분야의 대행을 맡아서 수행하는 AI 에이전트가 중요한 역할을 하게 될 것입니다.
AI 에이전트 중에서도 사람이 세워놓은 기본적인 계획을 기반으로 에이전트가 보다 적극적으로, 스스로 일을 찾아서 수행하는 방향으로 진행하지 않을까.. 생각합니다.
그래서 내년에는 AI 에이전트 기술에 대한 준비와 대응, 적용이 중요할 것으로 봅니다.
제 계획에도 추가해야 되겠네요.
그 다음으로는 양자컴퓨팅과 AI 기술의 결합이라고 생각합니다.
솔직히 말하면 제 개인적인 판단으로는 이 기술 영역은 아직 이르다고 생각하고 있지만...
빅테크 뿐만아니라 정부나 기관쪽에서도 양자컴퓨팅 분야를 (조금 무리하게) 밀어붙이고 있는 형국입니다.
아직 양자컴퓨팅이란 개념조차 잘 알려져있지 않고 그 기술 기반에 대해서는 더욱 숨겨져 있는 기술이거든요.
또한 양자역학의 기초에 대한 이해가 선행될 필요가 있는 기술이다보니 일반인이 접근하기에는 매우 난이도가 높다고 할 수 있습니다.
그러나 기술분야에서 유력한 다수의 기관과 기업들이 밀고 있으니 AI 기술처럼 언제 갑자기 뛰어오를지 모르죠.
그리고...
여러 기관들이 교육 분야에서도 계속 새로운 기술에 대한 교육 주제를 준비하라고 압력을 넣고 있는 실정이라... ㅠㅠ
여러모로 쥐어짜다보니 아직 익지도 않은 양자컴퓨팅 기술까지 손을 대고 있나 봅니다.
이유가 어떻든 간에... 힘없는 저희들은 흐름을 잘 따라가야 제대로 일을 놓치지 않고 받을 수 있겠죠.
어쨋든 AI 기술은 제 전공분야이고 양자역학이나 양자컴퓨팅도 관심을 가지고 있던 분야이니.. 좀 어렵더라도 2025년에는 이에 대한 준비를 하고자 합니다.
그래서 이번 글에서는 양자컴퓨팅에 대하여 간략하게 알아보도록 하겠습니다.
양자컴퓨팅은 양자역학의 원리를 활용하여 기존의 컴퓨터보다 빠르고 효율적으로 복잡한 문제를 해결하는 혁신적인 컴퓨팅 기술이라고 할 수 있습니다.
즉, 양자 컴퓨팅은 양자역학의 핵심원리라고 할 수 있는 중첩, 얽힘, 간섭 등을 활용하여 정보를 처리하는 기술이 되겠죠.
그리고 양자컴퓨팅을 수행하는 양자컴퓨터는 기존 컴퓨터가 다루는 0, 1의 비트가 아니라 0과 1, 그리고 중첩상태라는 값을 가지는 큐비트(Qubit, Quantum bit, 양자비트)를 기본 정보단위로 사용하고 있습니다.
중첩(Superposition)상태를 사용한다는 것은 양자역학의 중첩 원리를 반영하여 하나의 큐비트가 여러 상태 값을 동시에 표현할 수 있다는 의미이며 이를 통해서 데이터의 병렬처리가 가능하다고 합니다.
얽힘(Entanglement)이란 두 개 이상의 큐비트가 서로 연관되어 하나의 큐비트의 상태가 다른 큐비트의 상태에 영향을 미치는 현상을 이야기하며 이를 통해서 복잡한 연산을 수행할 수 있게 합니다.
간섭(Interference)은 양자 간섭이라고도 부르는데 양자 상태들이 서로 상호작용하여 특정 결과를 강화하거나 상쇄시키는 현상을 말하며 이를 통해 양자 알고리즘은 원하는 결과를 얻기 위해 확률을 조작할 수 있습니다.
위와 같은 특징들을 구현하기 위하여 양자컴퓨터는 양자게이트라는 것을 사용하여 회로를 구성합니다.
양자컴퓨터는 양자게이트를 사용하여 큐비트를 조작하고, 이러한 양자게이트들은 단일 큐비트 게이트와 다중 큐비트로 구분되어 각각 행렬로 표현됩니다.
그리고 이런 게이트의 행렬을 조합하여 양자회로를 구성하고 이를 통해 복잡한 양자 알고리즘을 구현합니다.
양자 알고리즘은 양자컴퓨터의 능력을 활용하여 특정 문제를 해결하는 방법을 제시하기 위한 알고리즘을 말하며 대표적인 예로는 소인수분해를 위한 Shor의 알고리즘, 데이터베이스 검색을 위한 Grover의 알고리즘 등이 있습니다.
이렇게 알고리즘까지 구현이 되면 양자컴퓨팅을 이용할 수 있게 되는거죠.
그리고 양자컴퓨팅을 원활하게 수행하기 위하여 양자컴퓨터는 크게 양자 데이터 영역, 제어 및 측정 영역, 제어 프로세서 영역으로 구성됩니다.
양자 데이터 영역은 물리적 큐비트를 포함하고, 제어 및 측정 영역은 큐비트를 조작하고 측정하는 역할을 하며, 제어 프로세서 영역은 전체 시스템을 관리합니다.
이러한 방식으로 양자컴퓨터가 개발되고 양자컴퓨팅이 구현되고 있습니다.
그러나 앞에서 말씀드렸던 것처럼 양자컴퓨팅은 아직 넘어야 할 과제가 잔뜩 쌓여있는 미완성된 기술입니다.
사실 연구실이나 전문가들이 아닌 일반인을 대상으로 한 교육의 주제로는 아직 시기상조라고 볼 수 있습니다.
큐비트가 외부 환경과 상호작용하여 양자 상태를 잃어버리는 현상인 디코히어런스(Decoherence) 문제라던가.. 해결해야 하는 문제가 산적(山積)해 있는 상황입니다.
물론 이런 문제를 해결하기 위해 다양한 양자 오류 정정 기술들이 개발되고 있고.. AI 기술을 적용하여 "ML 기반 양자 오류 완화 기술" 등도 개발되고 있습니다.
https://www.gttkorea.com/news/articleView.html?idxno=15800
양자 컴퓨팅 신뢰도 높이는 ‘ML 기반 양자 오류 완화 기술’
n개의 큐빗을 가진 양자 컴퓨터는 중첩 현상을 이용해 2의 n제곱개의 연산을 수행하며, 인수 분해, 분자 시뮬레이션, AI 컴퓨팅과 같은 대규모 연산 문제를 해결할 수 있다.그러나 현재의 양자 컴
www.gttkorea.com
그럼 이러한 양자컴퓨팅에 AI를 적용해 보는 것은 방금 살펴본 "ML 기반 양자 오류 완화 기술" 등의 기술 외에 어떤 것이 있을까요?
특히 교육에 적용할만한 부분 말입니다.
AI 기술은 결국 알고리즘을 포함한 모델과 데이터의 처리가 기반이 되는 기술이기 때문에 양자컴퓨팅에 적용하는 것도 같은 영역으로 접근할 수 있을 것입니다.
현재 많이 연구되고, 또 추진되고 있는 양자컴퓨팅 + AI 기술은 다음과 같은 것들을 살펴볼 수 있습니다.
- 양자 기계 학습 알고리즘 개발
- 양자컴퓨팅의 원리를 활용하여 기존 기계 학습 알고리즘을 개선하거나 새로운 알고리즘을 개발하는 방식
- 양자 지원 벡터 머신 (QSVM)
- 기존의 SVM 알고리즘을 양자 시스템에 맞게 최적화
- 대규모 데이터셋에 대한 분류 작업을 가속화
- 변분 양자 고유값 계산기 (VQE)
- 복잡한 최적화 문제를 해결하는 데 사용
- 특히 양자 화학 및 재료 과학 분야에서 유용함
- 양자 신경망 (QNN): 양자 커널을 기반으로 한 QNN을 통해 기존 신경망으로 해결하기 어려운 문제 해결
- 양자 지원 벡터 머신 (QSVM)
- 양자컴퓨팅의 원리를 활용하여 기존 기계 학습 알고리즘을 개선하거나 새로운 알고리즘을 개발하는 방식
- 하이브리드 양자-고전 시스템 구축
- 양자컴퓨터와 고전 컴퓨터의 장점을 결합하여 더 효율적인 AI 시스템 개발
- 양자 회로 설계: 특정 AI 작업에 최적화된 양자 회로 설계
- 고전 전처리: 데이터를 양자 시스템에 입력하기 전에 고전 컴퓨터로 전처리
- 양자 처리: 양자컴퓨터로 복잡한 계산 수행
- 고전 후처리: 양자 시스템의 출력을 고전 컴퓨터로 해석하고 최종 결과 도출
- 양자컴퓨터와 고전 컴퓨터의 장점을 결합하여 더 효율적인 AI 시스템 개발
- 양자 강화 학습
- 양자 시스템의 특성을 활용하여 강화 학습 알고리즘의 성능 향상
- 양자 상태 표현: 환경과 에이전트의 상태를 양자 상태로 표현
- 양자 정책 네트워크: 양자 회로를 사용하여 정책 네트워크 구현
- 양자 가치 함수: 양자 알고리즘을 사용하여 가치 함수 계산
- 양자 시스템의 특성을 활용하여 강화 학습 알고리즘의 성능 향상
- 양자 기반 최적화
- AI 모델의 학습 및 추론 과정에서 양자 최적화 기술 활용
- 양자 어닐링
- 복잡한 최적화 문제를 해결하는 데 사용됨
- 특히 포트폴리오 최적화나 작업 스케줄링에 적합함
- 양자 근사 최적화 알고리즘 (QAOA): 조합 최적화 문제를 해결에 사용
- 양자 어닐링
- AI 모델의 학습 및 추론 과정에서 양자 최적화 기술 활용
- 양자 데이터 전처리 및 특징 선택
- 대규모 데이터셋에 대한 전처리 및 특징 선택 과정을 양자 알고리즘을 통해 개선
- 양자 주성분 분석 (QPCA): 고차원 데이터의 차원의 효율적인 축소
- 양자 특징 맵: 데이터를 고차원 힐베르트 공간으로 매핑하여 더 풍부한 특징 표현 획득
- 대규모 데이터셋에 대한 전처리 및 특징 선택 과정을 양자 알고리즘을 통해 개선
- 양자 생성 모델
- 양자 시스템의 확률적 특성을 활용하여 더 강력한 생성 모델 개발
- 양자 변분 오토인코더 (QVAE): 복잡한 데이터 분포를 모델링하고 새로운 샘플 생성
- 양자 생성적 적대 신경망 (QGAN): 양자 회로를 사용하여 더 현실적인 데이터 생성
- 양자 시스템의 확률적 특성을 활용하여 더 강력한 생성 모델 개발
위에서 보듯이 양자컴퓨팅과 AI기술을 결합하려는 연구도 매우 다양하게 진행되고 있습니다.
그럼 이러한 기술들은 어떤 프로세스를 통해 구현되고 있을까..에 대하여 정리해 보겠습니다.
앞에서도 말씀드렸지만 결국은 기존의 시스템 개발과 큰 차이는 없습니다.
- 양자컴퓨팅+AI기술의 구현 프로세스
- 문제 정의: AI 작업에 양자컴퓨팅을 적용할 수 있는 영역 식별
- 양자 알고리즘 설계: 선택한 AI 작업에 적합한 양자 알고리즘 개발
- 시뮬레이션: 고전 컴퓨터에서 양자 알고리즘을 시뮬레이션하여 검증
- 하드웨어 구현: 실제 양자 하드웨어에서 알고리즘 실행
- 성능 평가: 기존 고전 방법과 비교하여 양자 접근 방식의 성능 평가
- 최적화 및 확장: 결과를 바탕으로 알고리즘을 개선하고 더 큰 규모의 문제에 적용
그럼 우리는 어떻게 저런 작업을 해 볼 수 있을까요?
뭔가 해 볼 수 있어야 교육이고 학습이고 할 수 있겠죠.
아직 완전히 개발되지도 않은.. 수 억원은 우습게 넘어갈 양자컴퓨터를 구매해야 할까요?
그건 불가능하겠죠.
그래서 양자컴퓨터를 개발하고 있는 대기업이나 기관에 제공하는 서비스를 이용할 수 밖에 없습니다.
우리가 사용해 볼 수 있는 양자 프로그래밍 언어 및 프레임워크에는 다음과 같은 것들이 있습니다.
이러한 도구들은 양자 회로를 설계하고 시뮬레이션할 수 있는 환경을 제공하고 있습니다.
- 양자 프로그래밍 언어 및 프레임워크
- Qiskit (IBM)
- IBM이 개발한 Python 기반의 오픈소스 양자 컴퓨팅 소프트웨어 개발 키트(SDK)
- 회로 설계, 알고리즘 개발, 양자 하드웨어 실행을 위한 도구 제공
- IBM Quantum Experience 플랫폼을 통해 실제 양자 컴퓨터에서 실행 가능
- 전 세계적으로 가장 널리 사용되는 양자 컴퓨팅 소프트웨어 스택
- Cirq (Google)
- Google이 개발한 오픈소스 Python 라이브러리
- 양자 회로 생성, 편집, 최적화를 위한 도구 제공
- 고성능 로컬 양자 회로 시뮬레이터 포함
- 변분 양자 알고리즘 및 근미래 양자 컴퓨팅에 강한 지원
- Q# (Microsoft)
- Microsoft가 개발한 양자 알고리즘을 위한 도메인 특화 프로그래밍 언어
- 독립적인 언어로, C#, F#, Python 등 고전적 언어와 함께 사용 가능
- 양자 및 고전적 연산을 혼합하여 사용 가능
- Visual Studio와 통합되어 있으며, 명령줄이나 Visual Studio Code에서도 실행 가능
- PyQuil (Rigetti)
- Rigetti Computing이 개발한 Python 라이브러리
- Rigetti의 양자 처리 장치(QPU)에서 프로그램 실행 가능
- Rust 라이브러리와 통합되어 성능과 타입 안전성 향상
- 양자 회로 설계 및 최적화를 위한 도구 제공
- Qiskit (IBM)
위의 도구들은 모두 기본적으로 무료로 제공되는 서비스이며 IBM의 Qiskit의 경우는 필요에 따라 유료 서비스를 이용할 수 있습니다.
그러나 무료 사용자에게 갑자기 과금이 되거나 하는 일은 없을 것이라고 하니 위의 도구들 중에서 자기와 잘 맞는 것을 선택하여 사용하면 되겠습니다.
일반적으로 가장 많이 사용되고 있는 IBM의 Qiskit이 추천되고 있으며, 나머지 도구들도 각각의 특징을 가지고 있으므로 잘 골라서 활용하면 좋겠네요.
여기까지 양자컴퓨팅과 AI 기술의 활용에 대하여 살펴보았습니다.
아무래도 2025년에는 일때문에..라도 이 부분을 좀 다뤄야 할 것으로 보이네요.
카테고리를 만들어야 할 것 같습니다.