▲이태리 제노아대 연구원들이 수행한 양자 시뮬레이션의 스크린샷. 사진=란자, 솔리나스, 마스트로지오바니

이른바 ‘양자 유사(Quantum Like,QL)’ 모델을 이용해 제한된 감지 기능을 가진 로봇에 더 나은 인식 및 지각 능력을 갖도록 하려는 연구의 첫 단추가 꿰어졌다.

13일(현지시각) ‘테크 익스플로어’에 따르면 이태리 제노아대 연구팀은 양자 시스템에서 영감을 받은 ‘양자 유사’ 모델로 알려진 컴퓨팅 기술 시험 결과 로봇에 기존 방식보다 더 정교한 인식 및 지각 능력을 갖게 할 수 있다는 잠재력을 확인했다.

연구진은 아카이브(arXiv)에 사전 발표한 논문에서 이 모델을 현실 환경에서 시험했을 때보다 시뮬레이션 환경에서 시험했을 때 더 나은 결과를 도출했다고 밝히고 있다.

제노아대 연구진은 최근 로봇의 감지 능력을 향상시키기 위해 QL 접근법을 사용하는 것에 대한 타당성을 조사했다. 이들은 시뮬레이션 환경 안에서 제한된 감지 기능을 가진 로봇을 대상으로 QL 인식 모델을 테스트하고 이를 사례 연구 결과로 발표했다.

연구진 가운데 한 명인 다비드 란자는 “이번 연구에 대한 아이디어는 안톤 아만이 1993년에 쓴 글(‘양자 이론의 게스탈트(행태) 문제’)을 읽고 떠올렸다”며 “나는 그때 인지와 양자 현상 간의 이 평행에 놀라 양자 인지 연구라는 분야를 발견했다”고 말했다.

란자는 로봇의 지각력을 높이기 위한 양자 인지 모델링 사용 가능성을 조사하기 위해 파올로 솔리나스 제노아대 물리학 교수(양자컴퓨팅 전문)와 손잡고 로봇 지각력과 인식력을 높이기 위한 QL 접근방식 사용 타당성 시험을 위한 예비 모델을 정의했다. 그는 연구 초기 단계로 로봇이 물체가 그 앞에 있는지 등 뒤에 있는지를 탐지할 수 있어야 하는 단순화된 사례 연구를 정의했다.

연구진의 목표는 QL 모델을 보다 복잡한 시나리오에 적용하기 전에 전면 또는 후면 선택 같은 단순한 상황하에서 어떻게 불확실성과 인식을 명확히 하는지 조사하는 것이었다.

란자는 “우리는 로봇 센서가 수집한 정보를 단 하나의 큐비트(양자비트)에 저장했다”고 설명했다. 그는 “큐비트는 ‘전방’과 ‘후방’ 두 상태를 결맞음 중첩(coherent superposition) 위치에 둘 수 있게(하나의 입자가 동시에 두 장소에 있게) 하면서 혼합된 ‘전방-후방’ 상황에 대한 불확실성 모델링을 가능케 해 주었다”고 말했다.

이들은 자신들이 정의한 사례 연구 시뮬레이션에서 QL 지각 모델(QL perception models)을 시험했을 때 이것이 비 양자 기술과 동등한 수준으로 수행됐음을 발견했다. 다만 이 모델은 고전적 컴퓨팅 장치에서 양자 회로의 실행을 모방하는 QASM이라는 양자 시뮬레이터를 사용해 시험했을 때에만 좋은 성능을 발휘했다고 밝혔다.

반면 이 QL모델을 IBM양자경험(IBM Quantum Experience) 플랫폼에서 실제로 QL모델을 구현한 결과, 특히 물체가 애매한 위치(즉, 로봇의 앞쪽인지 뒷쪽인지 잘 알 수 없는 경우)에 있는 시험에서 여러 가지 오류를 발생시켰다. 이에 따라 란자, 솔리나스, 마스트로지오반니는 “양자 백엔드 상에서의 실현은 불균형 상황에서 많은 오류를 야기할 수 있기에 QL 지각 모델은 시뮬레이션을 통해 더 효과적으로 시험할 수 있다”고 주장했다.

란자는 “내 생각에 큐비트를 사용하는 것은 지각과 인지 모델링을 위한 더 간편하고 우아한 해결책”이라면서 “사실 큐비트는 본래 양자 시스템의 전형적인 흥미로운 모델링 기능을 제공하며, 확률적 결과를 다루기 위한 추가 모듈을 필요로 하지 않는다”고 말했다. 그는 “이 예비 연구 이후 우리는 데이터를 보간하고 양자 특성을 충분히 활용할 수 있는 다중 센서 모델을 개발하면서 다감각 통합 작업을 시작했다”고 말했다.

이들이 지금까지 수집한 연구결과는 로봇 연구에 양자 이론을 바탕으로 한 모델을 도입할 수 있는 가능성을 부각시켜 주고 있다. 이들은 향후에는 다른 연구팀들이 로봇에 인간 인지 QL 모델을 적용하고 성과를 평가하도록 고무시킬 수 있을 것으로 기대된다.

란자, 솔리나스, 마스트로지오반니가 최근 출간 전 논문 저장소인 아카이브에 공개한 최신 논문은 이들이 수행한 논문의 첫 부분이다. 이들은 현재 동일한 QL 모델을 보다 복잡한 시나리오에 적용할 가능성을 모색하는 한편, 복수의 통합 센서를 탑재한 로봇이 포함된 시뮬레이션에서도 시험하고 있다.