2019.03.22

IBM·옥스포드·MIT, 머신러닝 위한 퀀텀 알고리즘 혁신 발표

Brian Cheon | CIO KR
IBM, 옥스포드 대학, MIT의 연구진이 "가까운 미래에 양자 컴퓨터에서 머신러닝을 구현하도록 하는 혁신을 달성했다"라고 최근 주장했다.

설명에 따르면 이들이 개발해 테스트하고 있는 알고리즘은 퀀텀 컴퓨터가 복잡한 데이터를 핵심 식별자로 분해해 데이터 세트의 '피처 맵'(feature map)을 형성할 방안을 제시한다. 예를 들면 이미지에서 모든 픽셀을 분리한 다음, 이를 색상과 같은 특성에 기반해 새로운 그리드에 배치할 수 있도록 한다는 설명이다. 

이번 연구를 소개한 논문은  'Supervised learning with quantum enhanced feature spaces'라는 제목으로 네이처에 게재됐다. 

IBM은 "데이터 세트가 크 다양할수록 그 데이터를 의미있게 분류해 학습하도록 하는 것이 어렵다. 이번 연구가 AI에 중대한 의미를 지니는 이유다. 잘못된 분류는 바람직하지 못한 결과를 초래할 수 있다"라고 전했다. 

논문을 공동 집필한 IBM 실험 팀의 아토니오 D. 콜로레스는 이번 연구가 기존 머신러닝에서 정립된 기술을 단순히 양자로 옮긴 것이 아니라고 강조하며, 퀀텀 접근법의 이점을 제대로 활용하려는 생각에서 진행됐다고 전했다. 

그는 "현재 이 알고리즘을 실제 데이터에 적용할 수 있는 단계가 아니다. 현실 세계의 문제에 어떻게 적용할 수 있는지에 대한 통찰력을 얻으려는 것이 목표"라고 말했다. 이번 연구는 오픈소스 퀀텀 프레임워크인 퀴스킷(Qiskit)에 반영될 예정이다. ciokr@idg.co.kr

 



2019.03.22

IBM·옥스포드·MIT, 머신러닝 위한 퀀텀 알고리즘 혁신 발표

Brian Cheon | CIO KR
IBM, 옥스포드 대학, MIT의 연구진이 "가까운 미래에 양자 컴퓨터에서 머신러닝을 구현하도록 하는 혁신을 달성했다"라고 최근 주장했다.

설명에 따르면 이들이 개발해 테스트하고 있는 알고리즘은 퀀텀 컴퓨터가 복잡한 데이터를 핵심 식별자로 분해해 데이터 세트의 '피처 맵'(feature map)을 형성할 방안을 제시한다. 예를 들면 이미지에서 모든 픽셀을 분리한 다음, 이를 색상과 같은 특성에 기반해 새로운 그리드에 배치할 수 있도록 한다는 설명이다. 

이번 연구를 소개한 논문은  'Supervised learning with quantum enhanced feature spaces'라는 제목으로 네이처에 게재됐다. 

IBM은 "데이터 세트가 크 다양할수록 그 데이터를 의미있게 분류해 학습하도록 하는 것이 어렵다. 이번 연구가 AI에 중대한 의미를 지니는 이유다. 잘못된 분류는 바람직하지 못한 결과를 초래할 수 있다"라고 전했다. 

논문을 공동 집필한 IBM 실험 팀의 아토니오 D. 콜로레스는 이번 연구가 기존 머신러닝에서 정립된 기술을 단순히 양자로 옮긴 것이 아니라고 강조하며, 퀀텀 접근법의 이점을 제대로 활용하려는 생각에서 진행됐다고 전했다. 

그는 "현재 이 알고리즘을 실제 데이터에 적용할 수 있는 단계가 아니다. 현실 세계의 문제에 어떻게 적용할 수 있는지에 대한 통찰력을 얻으려는 것이 목표"라고 말했다. 이번 연구는 오픈소스 퀀텀 프레임워크인 퀴스킷(Qiskit)에 반영될 예정이다. ciokr@idg.co.kr

 

X