학부NEWS

고려대학교 김중헌 교수 연구팀, 경량 양자 신경망 자동 설계 기술 개발, 모바일 컴퓨팅 분야 최고 권위지 IEEE TMC 게재

관리자 2026.11.09 Views 82


▲ GreedyQNAS의 2단계 탐색 구조. 매크로 탐색은 양자 게이트의 배치 위치를 결정하고, 마이크로 탐색은 저성능 후보를 제거하여 최적의 양자 회로를 도출함.
 
고려대학교 전기전자공학부 AIM 연구실(지도교수 김중헌) 연구팀이 모바일 학습 시스템을 위한 혁신적인 경량 양자 신경망 자동 설계 기술을 개발, 모바일 컴퓨팅 분야의 세계적 권위지인 IEEE Transactions on Mobile Computing (IEEE TMC)에 논문이 최종 게재(Accept)되는 값진 성과를 거두었다.

게재가 확정된 논문 “Efficient Quantum Neural Architecture Search with Filtered Supernet for Mobile Learning Systems”는 제한된 연산 성능과 메모리를 가진 모바일 기기에서도 효율적으로 동작할 수 있는 양자 신경망(Quantum Neural Network, QNN) 구조를 자동으로 탐색하는 기술을 담고 있다. 이번 논문에는 고려대학교 전기전자공학부 손석빈 박사과정, 안효준 석사과정, 김중헌 교수, 숙명여자대학교 박수현 교수, Wells Fargo의 Samuel Yen-Chi Chen 박사가 참여했다.

최근 스마트폰, 태블릿, 스마트워치와 같은 모바일 기기에서는 의료 영상 분석, 재난 현장 판단, 해양 관측 등 실시간 이미지 처리 수요가 빠르게 증가하고 있다. 그러나 모바일 환경에서는 중앙 서버와의 연결이 불안정하거나 연산 자원이 제한되는 경우가 많아, 고성능 딥러닝 모델을 그대로 적용하기 어렵다는 한계가 있다.

연구팀은 이러한 문제를 해결하기 위해 GreedyQNAS라는 경량 양자 신경망 구조 탐색 프레임워크를 제안했다. GreedyQNAS는 양자 회로에서 어떤 게이트를 어느 위치에 배치할지 자동으로 탐색하고, 성능이 낮은 후보 구조를 학습 과정에서 조기에 제거하는 filtered supernet 방식을 적용해 탐색 효율을 높였다.

제안 기술은 모바일 기기별 연산 성능과 자원 제약에 맞는 맞춤형 양자 신경망 구조를 생성할 수 있다는 점에서 의미가 있다. 연구팀은 다양한 이미지 데이터셋을 활용한 실험을 통해, GreedyQNAS가 높은 정확도를 유지하면서도 매개변수 수를 약 77% 줄일 수 있음을 확인했다.

이번 성과는 양자 신경망을 실제 모바일 학습 시스템과 온디바이스 AI 환경에 적용할 수 있는 가능성을 제시했다는 점에서 주목된다. 특히 원격 의료, 재난 대응, 해양 관측처럼 네트워크 연결이 제한되고 빠른 판단이 필요한 환경에서 경량 AI 모델을 기기 자체에 탑재하는 방향으로 확장될 수 있을 것으로 기대된다.

김중헌 고려대 전기전자공학부 교수는 이번 연구에서 교신저자이자 고려대 측 연구책임자로 참여했으며, 손석빈 박사과정은 제1저자로 연구를 주도했다. 논문에는 고려대학교 전기전자공학부 손석빈, 안효준 연구진 및 김중헌 교수와 숙명여자대학교 박수현 교수, Wells Fargo의 Samuel Yen-Chi Chen 박사가 함께 참여했다. 이번 성과는 향후 원격 의료, 재난 대응, 해양 관측 등 연결성과 연산 자원이 제한된 환경에서 모바일 기기 자체적으로 학습과 추론을 수행하는 경량 양자 AI 기술로 확장될 수 있을 것으로 기대된다.
첨부파일