국민대학교

국민인! 국민인!!

효율적 양자컴퓨팅을 위한 AI 기반 최적화 기술개발, ICDM 2026서 논문 발표 / 김장호(인공지능학부) 교수 연구팀

국민대학교 인공지능학부 김장호 교수 연구팀의 이혜은 AI·SW학과 박사과정생이 양자 알고리즘의 학습 효율을 높이는 새로운 인공지능 기반 초기화 기술을 개발했다. 해당 연구는 데이터마이닝 분야의 권위 있는 국제학술대회인 IEEE International Conference on Data Mining(ICDM 2026)에 채택되어 11월 13일 중국 선양에서 발표됐다.

​

변분 양자 알고리즘(Variational Quantum Algorithm, VQA)은 양자 회로의 매개변수를 반복적으로 조정해 복잡한 최적화 문제를 해결하는 기술이다. 그러나 학습을 시작하는 초기 매개변수에 따라 최적화 속도와 최종 결과가 크게 달라질 수 있어, 적절한 초기값을 설정하는 것이 중요한 과제로 꼽혀 왔다.

​

연구팀은 이러한 문제를 해결하기 위해 문제의 특성에 따라 초기 매개변수와 탐색 범위를 함께 학습하는 '과제 맞춤형 분포 기반 초기화(Task-Conditioned Distributional Initialization)' 기술을 제안했다. 기존 방식이 하나의 초기값을 예측하는 데 집중했다면, 제안 기술은 인공지능 모델인 하이퍼네트워크를 활용해 문제마다 적합한 초기값과 학습 과정에서의 탐색 범위를 함께 결정한다. 또한 유사한 문제들의 정보를 활용해 학습 과정의 안정성을 높이도록 설계했다.

​

실험 결과, 양자 물리 시뮬레이션에 활용되는 XYZ 해밀토니안 문제와 조합 최적화 문제인 MaxCut에서 기존 초기화 방법보다 빠른 수렴 성능을 확인했다. 특히 10큐비트 XYZ 문제에서는 기존 점 기반 학습 방식 대비 수렴에 필요한 최적화 반복 횟수가 약 83% 감소했으며, MaxCut 문제에서도 최대 약 73%의 감소 효과를 보였다. 최종 해의 정확도 역시 기존 방법과 비슷하거나 일부 조건에서 개선됐다.

​

이번 연구는 양자 알고리즘의 초기값을 문제별로 효율적으로 설정함으로써, 유사한 유형의 최적화 문제를 반복적으로 해결해야 하는 환경에서 계산 효율을 높일 수 있다는 점에서 의미가 있다. 향후 양자 물리 시뮬레이션과 조합 최적화 등 다양한 양자컴퓨팅 응용 분야에 활용될 가능성이 기대된다.

 

한편, 이번 연구의 논문 제목은 'Learning Task-Conditioned Distributional Initializers for Variational Quantum Algorithms'이며, 국민대학교 이혜은 박사과정생이 제1저자, 김장호 교수가 교신저자로 참여했다.