The Virtuous Cycle of Quantum-Classical Machine Learning

두 명의 아주 똑똑한 친구를 상상해 보세요. 클래식 AI(방대한 데이터 더미에서 숫자를 계산하고 패턴을 찾아내는 데 능숙한 공부 잘하는 아이)와 양자 컴퓨팅(동시에 여러 곳에 존재하며 우주의 나머지 존재들이 영원히 걸릴 법한 퍼즐을 풀어낼 수 있는 신비로운 마법사)입니다.

오랫동안 이 두 친구는 서로 다른 방에서 각자의 일을 해왔습니다. 하지만 구글 딥마인드(Google DeepMind)와 구글 퀀텀 AI(Google Quantum AI)의 연구진이 작성한 이 논문은 이제 이들이 한 방으로 이사하여 **"선순환(Virtuous Cycle)"**을 시작해야 한다고 주장합니다. 아이디어는 간단합니다. 그들이 서로를 도와 슈퍼파워가 되는 것입니다. 즉, 한쪽이 나아지면 다른 쪽을 돕게 되고, 그것이 다시 첫 번째 친구를 더 발전하게 만드는 루프를 만드는 것이죠.

이들의 우정이 어떻게 작동하는지 재미있는 비유를 통해 설명해 보겠습니다.

1. 클래식 AI가 양자 마법사를 돕는 방법

현재 양자 마법사는 아직 조금 서툽니다. 하드웨어는 노이즈가 심하고, 큐비트(마법사의 마법 동전)는 연약하며, 이들을 함께 작동하게 만드는 것은 악몽과 같습니다. 클래식 AI는 마법사의 유능한 조수가 되어 이 과정을 돕고 있습니다.

• 디코더(The Decoder): 양자 컴퓨터는 실수를 저지르며, 이를 바로잡는 것은 마치 모양이 계속 변하는 거대한 3D 퍼즐 조각을 맞추는 것과 같습니다. 논문은 완벽한 해결책을 찾는 것이 수학적으로 매우 어렵다(NP-hard)고 언급합니다. 클래식 AI, 특히 **알파큐비트(AlphaQubit)**라 불리는 시스템은 이 난장판을 살펴보고 거의 즉시 올바른 해결책을 찾아내는 법을 배웠습니다. 이는 마치 탐정이 범죄 현장을 보고 단서가 뒤섞여 있음에도 불구하고 즉시 범인을 찾아내는 것과 같습니다.
• 하드웨어 설계: 방을 특정한 기묘한 패턴으로 연결해야 하는 집을 짓는데, 원하는 곳에 벽을 세울 수 없다고 상상해 보세요. 클래식 AI는 이제 이 "양자 주택"(코드 및 하드웨어 레이아웃)을 설계하는 데 도움을 주어 마법 동전들이 혼란에 빠지지 않도록 합니다. 이는 건축가가 사람이 손으로 그릴 수 없는 완벽한 설계도를 찾기 위해 컴퓨터를 사용하는 것과 같습니다.
• 제어 장치 튜닝: 양자 컴퓨터가 작동하려면 기타 줄을 정확한 음정에 맞추듯 정밀한 레이저 펄스나 마이크로파 신호가 필요합니다. 아주 조금만 어긋나도 음악은 틀어집니다. 클래식 AI는 방이 시끄럽고 기타가 흔들리는 상황에서도 이 줄들을 완벽하게 조율하는 법을 배우고 있습니다.

주의점: 논문은 AI가 많은 도움을 주고 있지만, 우리는 여전히 "노이즈가 있는 중간 단계 양자(NISQ)" 시대에 머물러 있다는 점을 주의 깊게 밝히고 있습니다. 이는 마법사가 아직 걷는 법을 배우는 중이라는 뜻입니다. AI가 돕고는 있지만, 하드웨어는 아직 완벽하지 않습니다.

2. 양자 마법사가 클래식 AI를 돕는 방법

이제 역할을 바꿔보겠습니다. 양자 마법사가 어떻게 이 똑똑한 아이를 도울까요?

• "양자 데이터"의 비밀: 보통 AI는 책(클래식 데이터)을 읽으며 학습합니다. 하지만 양자 마법사는 물리 세계와 직접 대화할 수 있습니다. 새로운 종류의 날씨에 대해 배우고 싶다고 가정해 봅시다. 클래식 AI는 기상 관측소가 바람과 온도를 측정하여 숫자로 보내줄 때까지 기다려야 합니다. 그러나 양자 마법사는 숫자가 되기도 전의 바람과 온도가 직접 될 수 있으며, 변화를 직접 느낄 수 있습니다. 논문은 만약 우리가 이 "양자 데이터"를 AI에 직접 공급할 수 있다면, 일반적인 컴퓨터가 무한한 시간을 들여도 알아낼 수 없는 것들을 배울 수 있을 것이라고 제안합니다.
• "섀도우(Shadow)" 기법: 때로는 양자 시스템을 직접 관찰하는 비용이 너무 많이 듭니다(측정이 너무 많이 필요함). 논문은 "클래식 섀도우(classical shadows)"에 대해 이야기하는데, 이는 양자 시스템의 가장 중요한 비밀을 여전히 알려주는, 빠르고 흐릿한 사진을 찍는 것과 같습니다. 클래식 AI는 이 흐릿한 사진을 사용하여 복잡한 재료나 화학 물질에 대해 이전보다 훨씬 빠르게 학습할 수 있습니다.
• "무조건적인" 이점: 양자 마법사가 클래식 컴퓨팅이 아무리 노력해도 이길 수 없는 강력한 힘을 발휘하는 특정 게임들이 있습니다. 예를 들어, 엄청난 양의 데이터 라이브러리가 있지만 이를 담을 메모리가 아주 적을 때, 양자 시스템은 "양자 통신 이점(quantum communication advantage)"이라는 기술을 사용하여 건초더미 속에서 바늘을 찾아낼 수 있습니다. 논문은 이것이 이론적으로는 증명되었지만, 이를 실제 세상에서 사용할 완벽한 하드웨어는 아직 구축되지 않았다고 언급합니다.

주의점: 논문은 무엇이 작동하지 않는지에 대해서도 매우 명확하게 밝히고 있습니다. 논문은 우리가 단순히 방대한 양의 클래식 데이터(예: 위키피디아 전체)를 양자 컴퓨터에 쏟아부으면 모든 것을 즉시 해결할 수 있을 것이라는 생각에 반대합니다. 논문은 이를 "탈양자화(dequantization)" 위험이라고 부릅니다. 즉, 클래식 컴퓨터가 너무 빠르게 발전하고 있어서 양자의 마법 없이도 동일한 작업을 수행할 수 있는 경우가 많다는 것입니다. 진짜 마법은 데이터가 (숫자가 아닌) 본질적으로 양자적인 것(예: 원자와 분자)을 다룰 때 일어납니다.

3. 완벽한 루프 (선순환)

이 논문의 핵심적인 흥분 요소는 이 두 분야가 어떻게 서로에게 피드백을 줄 수 있는지에 대한 것입니다.

1. 클래식 AI는 더 나은 양자 컴퓨터를 만드는 데 도움을 줍니다 (오류 수정, 칩 설계).
2. 더 나은 양자 컴퓨터는 고품질의 "양자 데이터"를 생성합니다 (새로운 약품이나 재료 시뮬레이션).
3. 클래식 AI는 그 새로운 데이터를 사용하여 더욱 똑똑해집니다.
4. 더 똑똑해진 AI는 더욱 나은 양자 컴퓨터를 설계합니다.

어디에서 이 작업이 가장 잘 이루어질까요?
논문은 이 루프가 이미 돌아가고 있는 세 가지 구체적인 놀이터를 지목합니다:

• 양자 화학(Quantum Chemistry): 새로운 약물이나 재료를 만들기 위해 분자들이 어떻게 결합하는지 시뮬레이션하는 것.
• 다체 물리(Many-Body Physics): 거대한 입자 집단(예: 초전도체)이 어떻게 행동하는지 이해하는 것.
• 양자 게임(Quantum Games): 중첩과 얽힘이 규칙에 포함된 상황에서 AI가 얼마나 잘 의사결정을 내리는지 테스트하기 위해 "양자 체스"와 같은 게임을 사용하는 것.

우리가 기대해서는 안 되는 것들

논문이 무엇이 정답이 아닌지 아는 것도 중요합니다:

• 즉각적인 마법은 없다: 논문은 단순히 클래식 AI 알고리즘을 양자 컴퓨터에서 실행한다고 해서 자동으로 더 빨라지는 것은 아니라고 주장합니다. 사실 많은 작업에서 클래식 컴퓨터가 여전히 더 낫고 저렴한 선택입니다.
• "탈양자화" 증명: 논문은 많은 초기 "양자 우위(양자가 클래식을 이기는 것)" 주장들이 클래식 방식의 개선으로 인해 틀렸음이 증명되었다고 경고합니다. 우리는 그것이 그저 클래식한 기술을 양자로 위장한 것일 수도 있다는 점을 주의해야 합니다.
• 해결된 문제가 아니다: 이 논문은 우리가 양자 머신러닝 문제를 해결했다고 주장하는 것이 아닙니다. 우리는 단지 해결해야 할 올바른 문제들을 찾아가는 과정에 있다고 말합니다. 가장 큰 성과는 클래식 문제를 양자 기계에 억지로 밀어 넣는 것이 아니라, 본질적으로 양자적인 과업에서 올 것이라고 제안합니다.

결론

이 논문은 희망적인 로드맵입니다. 두 친구에게 똑같은 일을 하라고 강요하는 대신, 각자의 독특한 강점을 활용해 서로를 돕게 한다면, 오늘날 우리가 상상할 수 없는 방식으로 새로운 재료를 설계하고, 질병을 치료하며, 우주를 이해할 수 있는 미래를 열 수 있다고 제안합니다. 하지만 지금은 진행 중인 작업이며, "선순환"은 이제 막 돌기 시작했을 뿐입니다.