조합 최적화 문제 해결에 필수적인 QUBO(Quadratic Unconstrained Binary Optimization)는 양자, 하이브리드 양자-고전, 양자 영감 솔버(solver)와의 호환성 덕분에 최근 주목받고 있습니다. 그러나 일상적인 자연어 문제 설명을 정확한 QUBO 공식으로 변환하는 과정은 이진 변수, 제약 조건, 목적 함수, 페널티 항 및 적절한 페널티 가중치를 식별해야 하므로 매우 어렵고 시간 소모적이며 상당한 도메인 전문 지식을 필요로 했습니다. 이러한 복잡성 때문에 양자 컴퓨팅의 잠재력을 충분히 활용하기 어려웠습니다.
이러한 난제를 해결하기 위해 닐로이 쿠마르 몬달(Niloy Kumar Mondal) 연구팀은 자연어 문제 설명을 QUBO 공식으로 자동 생성하는 종단 간(end-to-end) 다중 에이전트 프레임워크를 제안했습니다. 이 프레임워크는 구조화되거나 비구조화된 테스트 케이스를 통해 지원되며, 성능 평가를 위해 12개 애플리케이션 도메인에 걸쳐 100개의 조합 최적화 문제를 포함하는 벤치마크인 QUBOBench도 함께 공개했습니다. 실험 결과, 이 프레임워크는 QUBOBench에서 68%의 정확도를 달성하여, 단일 호출(single-call) 기준선보다 22% 더 높은 성능을 보였습니다. 특히 반복적인 자체 복구(iterative self-repair) 기능이 성능 향상에 가장 중요한 요소로 작용했음이 밝혀졌습니다. 관련 데이터와 코드는 오픈소스로 공개되어 있습니다.
이 연구는 양자 컴퓨팅 및 양자 영감 컴퓨팅의 접근성을 크게 향상시킬 수 있다는 점에서 중요한 의미를 가집니다. QUBO 공식화의 자동화는 비전문가도 복잡한 최적화 문제를 양자 솔버에 적용할 수 있게 하여, 물류, 금융, 의약품 개발 등 다양한 산업 분야에서 양자 컴퓨팅의 활용을 가속화할 것입니다. 이는 양자 컴퓨팅 기술의 대중화와 상용화를 앞당기는 데 기여하며, 새로운 비즈니스 기회를 창출할 잠재력을 가지고 있습니다.