1.2 양자 컴퓨터에 데이터를 여러번 먹이는 방법

1.2. 양자 컴퓨터에 데이터를 여러 번 먹이는 방법

 양자 컴퓨터어 데이터 재업로드 

---

먼저 문제부터 이해하자

학교 시험을 상상해보자.

선생님이 시험 문제를 칠판에 한 번만 보여준다. 딱 3초 동안. 그리고 지운다. 이제 그 문제를 기억하면서 풀어야 한다.

3초 만에 문제를 완벽하게 기억하기가 어렵다. 복잡한 문제일수록 더 어렵다.

그런데 선생님이 다른 방식으로 한다면 어떨까. 문제를 풀다가 막힐 때마다 다시 보여준다. 처음엔 전체를 보여주고, 중간에 힌트로 다시 보여주고, 마지막에 한 번 더 보여준다.

훨씬 더 잘 풀 수 있다.

데이터 재업로드가 하는 일이 바로 이것이다.

---

원래 방식의 문제점

양자 컴퓨터가 문제를 푸는 과정을 생각해보자.

원래 방식은 이렇다.

처음에 데이터를 한 번 넣는다. 그리고 양자 회로가 계산을 한다. 끝.

요리로 비유하면 이렇다. 요리 시작 전에 재료를 전부 냄비에 넣는다. 그리고 뚜껑을 닫는다. 그 상태로 1시간 동안 끓인다. 중간에 간을 보거나 재료를 추가하지 않는다.

어떻게 될까. 처음에 넣은 재료의 맛이 뒤로 갈수록 희미해진다. 계산이 깊어질수록 처음에 넣었던 데이터의 영향이 점점 줄어든다. 회로 끝에서는 처음 데이터를 거의 기억하지 못한다.

이것이 기존 양자 회로의 한계다.

---

데이터 재업로드가 하는 일

이번엔 다른 요리사가 등장한다.

이 요리사는 다르게 한다.

처음에 재료를 넣는다. 10분 끓인다. 간을 본다. 재료를 조금 더 넣는다. 10분 더 끓인다. 간을 본다. 또 재료를 조금 넣는다. 이렇게 여러 번 반복한다.

맛이 어떻게 될까. 처음 재료의 맛이 계속 살아있다. 중간에 추가한 재료가 또 다른 깊이를 만든다. 맛이 훨씬 복잡하고 풍부해진다.

이것이 데이터 재업로드다.

데이터를 처음에 한 번만 넣는 것이 아니라, 계산하는 중간중간에 계속 다시 넣는 것이다. 그러면 양자 회로가 끝날 때까지 데이터의 영향이 살아있다.

---

1번 효과 — 복잡한 것을 표현할 수 있게 된다

주방에 믹서기가 있다.

믹서기 날이 돌아가는 것은 사실 단순한 동작이다. 그냥 돌아가는 것이다. 이것을 어려운 말로 선형 연산이라고 한다. 일직선으로 비례해서 변하는 것.

그런데 재료를 바꿔가며 여러 번 돌리면 어떻게 될까. 처음엔 사과를 넣고 돌린다. 중간에 바나나를 추가하고 또 돌린다. 마지막에 우유를 넣고 또 돌린다.

결과물이 훨씬 복잡해진다. 세 가지 재료가 서로 섞이고 영향을 주며 완전히 새로운 맛이 된다. 단순히 돌아가는 날이 복잡한 결과를 만들어낸다.

양자 회로도 마찬가지다.

양자 게이트 하나하나는 사실 단순한 계산이다. 그런데 데이터를 중간중간 다시 넣으면서 게이트들과 섞이게 하면, 아주 복잡하고 다양한 패턴을 표현할 수 있게 된다.

클래식 신경망이 만들어낼 수 있는 것보다 훨씬 풍부한 표현이 가능해진다. 같은 날 블레이드로 훨씬 다양한 맛을 낼 수 있는 것처럼.

---

2번 효과 — 적은 재료로 많은 것을 만든다

냉장고에 재료가 딱 세 가지만 있다.

달걀, 밀가루, 우유.

첫 번째 요리사는 생각했다. "세 가지밖에 없으니 세 가지 요리만 만들 수 있겠구나." 달걀 프라이, 밀가루 죽, 우유 한 잔. 끝이다.

두 번째 요리사는 달랐다. 달걀과 밀가루와 우유를 조합했다. 크레이프를 만들었다. 팬케이크를 만들었다. 오믈렛을 만들었다. 같은 세 가지 재료로 열 가지 요리를 만들었다.

데이터 재업로드가 두 번째 요리사 방식이다.

양자 컴퓨터의 큐비트는 아주 귀하다. 지금 기술로는 많이 쓸 수가 없다. 큐비트가 제한되어 있다.

원래 방식이라면 데이터가 많을수록 큐비트도 많이 필요하다. 데이터 10개를 처리하려면 큐비트 10개가 필요하다.

그런데 데이터 재업로드를 쓰면 다르다. 큐비트 하나에 데이터를 조금 넣고 계산한다. 그리고 같은 큐비트에 다음 데이터를 넣고 또 계산한다. 같은 그릇을 재사용하는 것이다.

설거지한 그릇에 다음 음식을 담는 것처럼.

실제로 이 방법으로 이미지 전체를 수십개의 큐비트가 필요한 실험을 큐비트 단 하나로 성공했다. 

---

3번 효과 — 새로운 것을 봐도 잘 맞힌다

시험 공부를 두 가지 방식으로 한 학생이 있다.

학생 A: 교과서 문제를 외웠다. 교과서에 나온 문제는 다 맞힌다. 그런데 처음 보는 응용 문제가 나오면 틀린다. 외운 것만 알기 때문이다.

학생 B: 원리를 이해했다. 왜 이런 공식이 나왔는지, 어떤 상황에서 쓰는지를 공부했다. 처음 보는 문제가 나와도 원리를 적용해서 푼다.

데이터 재업로드를 쓴 양자 모델이 학생 B와 같다.

데이터를 여러 번 다시 보면서 학습하기 때문에 데이터의 패턴을 더 깊이 이해한다. 단순히 외우는 것이 아니라 본질을 파악한다. 그래서 처음 보는 새로운 데이터가 들어와도 잘 맞힌다.

이것을 어려운 말로 일반화 성능이라고 한다. 쉽게 말하면 응용력이다.

---

전체 그림으로 보자

지금까지 이야기를 하나로 모으면 이렇다.

---

왜 이것이 대단한가

양자 컴퓨터는 아직 완벽하지 않다. 큐비트가 적다. 오류가 많다. 비싸다.

그래서 과학자들의 목표가 하나 있다. 적은 큐비트로 최대한 많은 것을 하는 것.

데이터 재업로드가 그 답 중 하나다.

큐비트를 재사용하기 때문에 적은 자원으로 더 많은 계산을 한다. 표현력이 높아지기 때문에 더 복잡한 문제를 풀 수 있다. 일반화 성능이 좋기 때문에 실제 세상에서도 잘 작동한다.

마치 학교에서 공책 한 권으로 모든 과목을 공부하는 방법을 찾은 것과 같다. 과목마다 공책을 따로 쓰는 것보다 힘들지만, 공책이 부족한 상황에서는 최선의 방법이다.

지금 양자 컴퓨터가 그 상황이다. 공책이 부족한 상황. 데이터 재업로드는 그 부족한 공책을 가장 영리하게 쓰는 방법이다.