ICT/융합

최초로 인공지능으로 다중 양자 상관관계의 동시 분류 구현

발행일 : 2019 / 11 / 12

중국과학기술대학교 궈광찬(郭光灿) 연구팀의 리촨펑(李传锋)/쉬진스(许金时)는 머신러닝 기술을 양자 역학의 기본 문제 연구에 응용하여 최초로 머신러닝 알고리즘에 기반한 다중 비고전적 상관관계의 동시 분류 실험을 구현했다. 해당 성과는 “Physical Review Letters”에 게재되었다.

아인슈타인, 포돌스키, 로젠 등의 양자 역학의 완전성에 대한 질의를 EPR(Einstein-Podolsky-Rosen)역설이라 부른다. EPR 역설에 관한 심층적 연구에 따라 아인슈타인이 지적한 “원거리에서의 유령과 같은 작용(spooky action at a distance)”이 양자 세계의 비국소성 상관관계에서 비롯됐으며 또한 양자 얽힘, EPR, 벨의 비국소성 등 차원으로 세분화할 수 있음을 파악했다. 다양한 양자 상관관계는 양자 정보 분야의 핵심 자원으로 되어 중요한 역할을 한다.

그러나 임의로 주어진 양자상태에서 비고전적 상관관계를 부각하는 것은 여전히 어려움으로 되고 있다. 첫째, 그 계산이 극히 복잡하고 둘째, 실험에서 데이터 수집 시간이 시스템 입자의 증가에 따라 기하급수적으로 증가한다. 셋째, 동일한 측정 또는 가관측정의 집합을 통해 모든 비고전적 상관관계의 동시 구분을 달성할 수 있는 하나의 통일된 프레임이 존재하는지의 여부가 확실하지 않다.

머신러닝은 일련의 학습 데이터를 통해 예측 결과를 출력할 수 있는 함수 또는 모형을 얻을 수 있다. 연구팀은 머신러닝 기술을 비고전적 상관관계 구분에 응용하여 최초로 다중 양자 상관관계의 동시 분류 실험을 구현했다. 교묘한 실험 설계를 통해 광학 시스템에서 매개변수 조절이 가능한 2비트 양자상태를 구현하고 양자상태의 일부 정보만을 입력하여 신경망, 서포트 벡터 머신 및 결정 트리 등 머신러닝 모델을 이용하여 455개 양자상태의 비고전적 상관관계 속성을 학습하여 성공적으로 다중 비고전적 상관관계 분류기를 구현했다.

실험결과, 머신러닝 알고리즘에 기반한 분류기는 90% 이상의 높은 매칭률로 양자 얽힘, EPR, 벨의 비국소성 등 상이한 양자 상관관계의 속성을 동시 식별했다. 기존의 양자상태 크로마토그래피 분석법보다 자원 소모나 시간의 복잡성이 훨씬 작았다.

해당 연구 성과는 인공 지능과 양자 정보 기술의 심층 교차를 추진하고 머신러닝은 효과적인 분석 도구가 되어 더 많은 양자 과학 문제를 해결할 전망이다.

19 Views