[현장] 아이온큐 "데이터 부족·적은 파라미터 AI, 양자 하이브리드로 보완"

아이온큐 김상협 엔지니어, 현대자동차 양자하이브리드 협업 사례 제시

아이온큐(IonQ)가 현대자동차와의 공동 연구 결과를 바탕으로 양자와 인공지능(AI) 결합이 실제 산업 현장에서의 활용 방안을 제시했다. 

대규모언어모델(LLM)을 쓰기 어렵거나 데이터가 제한적인 실무 환경에서 양자 하이브리드 구조를 활용하면 기존 AI 모델의 한계를 보완할 수 있다는 제안이다.

아이온큐 김상협 시니어 스태프 엔지니어는 19일 서울 중구 반얀트리 클럽 앤 스파 서울에서 열린 '퀀텀 x AI: 넥스트 프론티어 세미나'에서 현대자동차와의 협업 사례를 발표했다.

아이온큐 김상협 시니어 스태프 엔지니어(사진=남혁우 기자)

김 엔지니어는 아이온큐에서 양자 애플리케이션 개발을 맡고 있으며 양자와 인공지능을 결합해 기업 고객이 실제로 체감할 수 있는 비즈니스 가치를 어떻게 만들 수 있을지에 연구 역량을 집중하고 있다고 소개했다.

그가 집중하는 부분은 기존 AI 워크플로에 양자처리장치(QPU)를 언제 어떤 방식으로 결합해야 성능과 비용, 데이터 효율 측면에서 의미 있는 차이를 만들 수 있는지 여부다. 특히 실제 서비스나 제품에 들어갈 수 있는 워크플로를 대상으로 구체적인 프로젝트를 통해 이를 검증하는 데 초점을 맞추고 있다.

김 엔지니어는 대표 사례로 현대자동차 연구진과 함께 수행한 독일 교통 표지판 이미지 분류 공동 연구를 소개했다. 독일 교통 표지판은 종류가 다양하고 형태와 색상, 문양이 복합적으로 섞여 있는 것이 특징이다. 

표지판 숫자는 제한돼 있지만 변형과 환경 변화가 많아 이를 AI에 학습시켜 안정적으로 이미지를 분류하기가 쉽지 않다. 이 때문에 글로벌 완성차 업체들이 AI 인식 성능을 시험할 때 자주 활용하는 공개 벤치마크 가운데 하나로 꼽힌다.

현대자동차와 아이온큐 연구진은 이 과제를 양자 하이브리드 구조를 시험할 수 있는 현실적인 테스트베드로 삼았다. 먼저 고전적인 딥러닝 기반 이미지 인코더를 활용해 원본 표지판 이미지를 저차원 레이턴트 벡터로 압축했다. 

이후 이 레이턴트 벡터를 양자 상태로 인코딩해 QPU 상의 양자회로에 넣고 여러 차례 측정 결과를 바탕으로 각 이미지가 어떤 종류의 교통 표지판인지 분류하는 구조를 구현했다. 전처리와 특징 추출은 GPU 기반 신경망이 담당하고, 최종 분류기는 QPU가 수행하는 양자·고전 하이브리드 모델이다.

테스트 결과 양자 하이브리드 모델은 고전적인 신경망과 비교해 훨씬 적은 수의 파라미터로 비슷한 수준의 정확도와 일반화 성능을 구현할 수 있는 가능성을 보여줬다. 같은 데이터, 같은 과제를 기준으로 성능을 비교했을 때, 파라미터 수를 줄이고도 유사한 인식 성능을 유지했다는 의미다. 

김 엔지니어는 이 결과를 두고 모델 규모 대비 표현력과 일반화 성능 측면에서 양자 레이어가 경쟁력을 가질 수 있다는 신호로 해석했다.

김상협 엔지니어는 "다만 이를 곧바로 '소량 데이터 환경에서 이미 우월성이 입증됐다고 단정하기는 어렵다"며 "그보다는 데이터가 부족하거나 클래스 간 결정 경계가 복잡한 과제에서 양자 하이브리드 모델이 유리할 수 있다는 가능성을 보여준 초기 결과로 보는 게 타당하다"고 밝혔다.

이어 "파라미터 수를 줄이고도 비슷한 성능을 낸다는 것은 과적합 위험을 상대적으로 낮출 수 있고 같은 양의 데이터로도 안정적인 성능을 확보할 여지가 크다는 의미를 가지기 때문"이라고 설명했다.

현대자동차는 이 실험을 통해 특정 국가·특정 도로 유형·희귀 교통 표지처럼 데이터 수집이 쉽지 않은 영역에서도 기존 딥러닝 모델을 보완할 수 있는 수단이 될 수 있는지 가늠해 볼 수 있었다. 

자율주행과 첨단운전자보조시스템(ADAS) 고도화를 위해 여러 국가의 교통 표지판을 높은 정확도로 인식하는 능력이 필수인 만큼 제한된 데이터 환경에서 모델의 일반화 성능을 끌어올릴 수 있는 기술 옵션을 실험해 본 셈이다.

또 아이온큐는 현대자동차 사례를 계기로 같은 하이브리드 구조를 텍스트와 위성 이미지 등 다른 도메인으로 확장하고 있다. 

김 엔지니어는 사전 학습된 LLM에서 확보한 문장 임베딩 위에 양자 레이어를 태스크 헤드로 올려 감성 분석을 수행했을 때 서포트 벡터 분류기나 로지스틱 회귀, 고전 신경망 헤드와 비교해 성능 향상을 확인했다는 설명도 뒤따랐다.

특정 지역 위성 영상을 시계열로 분석해 변화 여부를 판별하는 지리공간 변화 탐지에서도 고객사의 기존 벤치마크보다 유의미한 개선을 얻었다고 소개했다.

김상협 엔지니어는 "양자 AI가 기존 AI를 전면 대체하기보다는 데이터가 부족하거나 클래스 간 경계가 복잡한 구간에서 정밀도를 보강하는 역할로 먼저 자리 잡을 것"이라고 전망하며 "양자 네트워크, 양자 센싱과의 결합을 통해, 향후에는 보안이 중요한 데이터 분석이나 센서 데이터 기반 서비스 분야로도 확장이 가능할 것"이라고 말했다.

이어 "이번 현대자동차와의 공동 연구는 이러한 확장의 출발점이자 양자·AI 결합이 산업 현장에서 어떤 문제부터 풀어야 하는지 방향을 보여준 사례"라고 강조했다.