마이크로알고, AI 훈련 시간 90% 단축하는 양자 알고리즘 공개

양자 알고리즘의 작동 원리

마이크로알고의 방식은 신경망 훈련의 두 가지 주요 병목 현상인 내적 계산과 중간 값 저장에 집중합니다. 벡터를 양자 상태로 인코딩함으로써 이 알고리즘은 여러 차원을 동시에 처리할 수 있어 훨씬 더 높은 효율성으로 내적을 근사화합니다.

QRAM의 사용은 또 다른 핵심 요소입니다. 전통적인 훈련에서 활성화 및 오차 값을 저장하고 검색하는 과정은 리소스 집약적인 프로세스입니다. QRAM은 이 데이터를 양자 상태에 암시적으로 저장하여 로그 복잡도로 검색할 수 있게 합니다. 이는 양자 중첩의 병렬 처리 능력과 결합되어 훈련 파이프라인을 획기적으로 가속화합니다.

산업계에 미치는 영향과 과제

이 회사는 금융 및 의료 분야의 대규모 데이터 처리, 자율 주행을 위한 실시간 의사 결정 시스템, 에지 컴퓨팅 및 사물 인터넷(IoT)을 위한 경량 애플리케이션을 목표로 하고 있습니다. 성공할 경우, 이 기술은 복잡한 AI 모델 개발의 진입 장벽을 낮추고 엔비디아(Nvidia)와 같은 기업의 값비싸고 전력 소모가 많은 GPU에 대한 의존도를 줄일 수 있습니다.

하지만 상용화까지의 길은 험난합니다. 보도 자료에 따르면 양자 컴퓨팅 하드웨어는 아직 초기 단계에 있으며, 서로 다른 양자 플랫폼 간에 호환되는 알고리즘을 만드는 것은 여전히 큰 과제입니다. 또한 순수 양자 기업들은 자금을 빠르게 소진하고 있으며, IonQ (IONQ), Rigetti Computing (RGTI), D-Wave Systems (QBTS)와 같은 기업들은 상당한 손실을 기록하며 운영 자금을 조달하기 위해 희석 증자 방식의 주식 발행에 의존하고 있습니다.

마이크로알고의 돌파구는 소프트웨어 분야에 있지만, 그 실현 가능성은 하드웨어 개발 속도와 직결되어 있습니다. 이번 발표는 고전 컴퓨팅과 양자 컴퓨팅 사이의 잠재적 가교 역할을 하며, 대규모 양자 컴퓨터가 널리 보급되기 전이라도 새로운 고전적 휴리스틱 알고리즘에 영감을 줄 수 있는 최적화 경로를 제시합니다.

이 기사는 정보 제공 목적으로만 작성되었으며 투자 조언을 구성하지 않습니다.