불필요한 소자 ‘가지치기’로 광자 회로 효율성 높였다

박남규·유선규 서울대 전기정보공학부 연구팀

박남규 서울대 전기정보공학부 교수. /한국연구재단 제공

국내 연구진이 양자컴퓨터와 인공지능(AI) 심층학습(딥러닝)과 같은 기술에 쓰이는 광자 회로 신뢰도를 크게 높이는 데 성공했다.

한국연구재단은 서울대 전기정보공학부의 박남규, 유선규 교수 연구팀이 범용 양자 컴퓨터와 광자 기계학습(머신러닝) 신뢰도를 획기적으로 높이는 ‘광자 회로 가지치기 기법’을 개발했다고 26일 밝혔다.

광자 기계학습은 빛의 최소 단위인 광자에 정보를 담아 전송하는 방식으로 AI를 훈련시키는 기법이다. 막대한 양의 정보를 빠르게 처리할 수 있어 미래 첨단 컴퓨팅 실현을 위한 핵심 기술로 꼽힌다.

이를 상용화하기 위해서는 광자 상태를 실시간으로 제어하고 프로그래밍할 수 있는 광자 집적회로를 자유자재로 활용할 수 있어야 한다. 광자 집적회로 규모가 커질수록 발열도 강해지는데 이러면 소자가 뜨거워지면서 연산 신뢰도가 크게 떨어지는 문제가 있었다.

연구팀은 광자 집적회로 상에서도 일종의 ‘파레토 법칙’이 존재한다는 사실을 확인했다. 파레토 법칙은 80:20 법칙이라고도 불리는데, 80%의 결과가 20%의 원인에 의해 발생하는 상황을 뜻한다. 즉 광자 집적회로가 계산해내는 결과들 중 80%는 집적회로를 구성하는 전체 소자들 중 20%만 써서 나온다는 것이다.

연구팀은 이러한 발견에 기반해 광자 집적회로에서 상대적으로 덜 중요한 소자들을 제거해 신뢰도는 높으면서 전력은 덜 쓰는 회로를 구현할 수 있게 됐다고 설명했다. 일종의 ‘가지치기’ 작업을 통해 더 효율적인 광자 집적회로를 만들어낸 것이다.

박 교수는 “이번 연구는 꼭 필요한 소자만 남기는 양자 회로의 미니멀리즘이라고 할 수 있다”며 “가지치기의 효율이 대규모 양자 컴퓨팅 및 딥러닝 가속기에서 더욱 향상된다는 점은 매우 고무적”이라고 말했다.

이번 연구 성과가 담긴 논문은 국제학술지 ‘네이처 커뮤니케이션스’에 지난 3일 게재됐다.

참고자료

Nature Communications, DOI: https://doi.org/10.1038/s41467-023-37611-9

- Copyright ⓒ 조선비즈 & Chosun.com -