노르마는 양자기술로 대규모 AI 신경망의 연산 부담을 낮추는 ‘QC4AI’ 전략을 추진한다고 밝혔다. 현재 확보한 기반은 양자 최적화 과정의 계산량을 줄이는 알고리즘과, AI로 양자 프로그램을 작성·실행하는 개발 환경이다. 회사는 양자컴퓨팅 자체의 계산 부담과 개발 장벽을 함께 낮춘 뒤, 이를 AI 모델 경량화 기술로 연결해 피지컬 AI 등으로 적용 범위를 넓힌다는 계획이다. 배경에는 AI 모델이 커질수록 연산 자원과 전력 수요가 빠르게 늘어나는 흐름이 있다.
기사에서 소개된 핵심 연구는 IEEE QCE 2026 채택 논문 ‘SAFE ma-QAOA’다. 이 방법은 양자 근사 최적화 알고리즘 학습에서 반복 계산을 줄이는 데 초점을 둔다. 먼저 고전컴퓨터에서 대리 모델로 변수를 사전 학습하고, 최적화 영향이 작은 변수는 제거한 뒤 남은 변수만 미세 조정하는 방식이다. 초기 탐색을 고전컴퓨터가 맡고 최종 조정 계산을 줄여 효율을 높인다는 점이 특징이다. 해외에서도 모델 압축, 예측·분류 성능 개선, 학습 효율화에 양자기술을 적용하는 연구가 이어지고 있다.