분류 및 데이터 압축 작업을 위한 양자 합성곱 신경망 벤치마킹 및 하드웨어 효율적 Ansatz와의 비교
양자 합성곱 신경망(QCNN)은 특정 분류 및 데이터 압축 작업에서 하드웨어 효율적 Ansatz(HEA)와 비슷한 성능을 달성하면서도 더 빠른 훈련 속도를 제공합니다.
양자 모델과 고전 모델의 차이: 최소 노름 최소 제곱을 넘어선 학습
본 논문은 변분 양자 회로(VQC)가 고전적 선형 회귀 모델과 어떻게 다르게 동작하는지, 특히 고전 모델이 양자 모델을 모방할 수 없는 조건을 제시하며 양자 우위 달성 가능성을 탐구합니다.
절단 경사 하강법을 사용한 희소 온라인 학습을 위한 양자 알고리즘
본 논문에서는 로지스틱 회귀, SVM, 최소 제곱 문제에 적용 가능한 희소 온라인 학습을 위한 양자 알고리즘을 제시하며, 이는 기존 고전 알고리즘 대비 데이터 차원에서 제곱 속도 향상을 달성합니다.
양자 볼츠만 머신을 위한 자연 기울기 및 매개변수 추정: 기하학적 접근 방식과 양자 알고리즘
본 논문에서는 매개변수화된 열 상태의 기본 기하학을 기반으로 양자 볼츠만 머신 학습을 위한 자연 기울기 하강 알고리즘을 개발하고, 열 상태 샘플에서 해밀토니안 매개변수를 추정하는 능력에 대한 근본적인 제한을 제시합니다.
병렬 템퍼링을 사용한 신경망 양자 상태 학습을 위한 온도 분포 최적화
본 논문에서는 병렬 템퍼링(PT) 기술을 사용하여 신경망 양자 상태를 학습할 때, replica들의 온도 분포를 최적화하면 학습 성공률을 크게 향상시킬 수 있음을 보여줍니다.
입자 검출기 상호 작용을 위한 조건부 양자 보조 심층 생성 서로게이트
본 논문에서는 거대 하드론 충돌기(LHC)에서 발생하는 입자 샤워 시뮬레이션 속도를 높이기 위해 조건부 제한 볼츠만 머신(RBM)을 활용한 양자 보조 심층 생성 모델인 Calo4pQVAE를 제안합니다.
새로운 물리 현상 탐색을 위한 획기적인 양자 머신러닝 분류기
본 논문에서는 대량의 복잡한 데이터를 효율적으로 처리할 수 있는 양자 머신러닝을 활용하여 새로운 물리 현상을 탐색하는 새로운 분류 알고리즘인 VQSN(Variational Quantum Searching Neighbor)을 제안하고, LHC에서 글루온 쿼틱 게이지 결합 연구에 적용하여 기존 KNN 알고리즘보다 뛰어난 효율성을 보여줍니다.
단일 광자 기반 이미지 분류를 통한 양자 머신러닝 우위 입증
본 연구는 단일 광자를 이용한 이미지 분류를 통해 양자 효과가 기존의 분류기보다 높은 정확도를 달성할 수 있음을 실험적으로 증명하여 양자 머신러닝의 이점을 제시합니다.
텐서 네트워크 기반 양자 확률론적 머신러닝에서의 보편적 스케일링 법칙: 표현 및 일반화 능력 해석
양자 확률론적 머신러닝에서 텐서 네트워크의 표현 및 일반화 능력은 데이터 학습을 통해 얻은 정보량에 의해 결정되며, 이는 손실 함수의 스케일링 법칙을 통해 해석될 수 있다.
양자 컴퓨팅 기반 센서 보정: 저비용 미세 먼지 센서 보정을 위한 양자 및 고전 머신러닝 모델 비교
본 연구에서는 저비용 광학 미세 먼지 센서 보정에 양자 머신러닝을 적용하여 양자 모델의 성능을 고전 딥러닝 모델과 비교 분석합니다.
