ITPE * JackerLab

개요VQE(Variational Quantum Eigensolver)는 양자컴퓨팅에서 널리 사용되는 변분 최적화 기반 알고리즘으로, 양자 시스템의 바닥 상태 에너지 추정을 위한 하이브리드 알고리즘입니다. 최근에는 이 원리를 활용해 머신러닝 문제를 양자 최적화 방식으로 접근하는 'VQE 기반 학습' 모델이 각광받고 있습니다. 이는 양자 회로를 활용한 비용 함수 최적화를 통해 고차원 문제 해결, 강화학습, 함수 근사 등의 다양한 AI 영역에 응용되고 있습니다.1. 개념 및 정의VQE는 파라미터화된 양자 회로(PQC)를 통해 양자 상태를 생성하고, 고전 컴퓨터를 활용해 기대값(Energy Expectation Value)을 계산하며 최소 에너지 상태에 해당하는 파라미터를 찾는 방식으로 작동합니다.이러한 원리를..

개요QGAN(Quantum Generative Adversarial Network)은 고전 GAN 구조를 양자컴퓨팅 기반으로 확장한 모델로, **양자 생성자(Quantum Generator)**와 고전 또는 양자 판별자(Discriminator)가 경쟁하며 학습하는 양자 생성 모델입니다. 양자역학의 중첩, 얽힘을 통해 데이터 분포를 효과적으로 근사하거나 양자 상태를 생성할 수 있는 새로운 방식의 머신러닝 모델로 주목받고 있습니다.1. 개념 및 정의QGAN은 양자 회로로 구성된 생성자가 임의의 양자 상태 또는 확률 분포를 생성하고, 판별자가 진짜(데이터)와 가짜(생성 데이터)를 구분하는 과정에서 생성자가 점점 더 실제와 유사한 출력을 만들어내도록 훈련되는 구조입니다.이는 고전 GAN처럼 미니맥스(minim..

개요QSVM(Quantum Support Vector Machine)은 고전적인 SVM(Support Vector Machine) 알고리즘을 양자 컴퓨팅 환경에 맞게 확장한 머신러닝 분류 모델입니다. 양자의 중첩과 얽힘을 활용해 복잡한 커널 연산을 고속으로 처리함으로써, 고차원 분류 문제에서의 성능 향상과 새로운 커널 공간 구현 가능성을 제시합니다. 이는 NISQ(노이즈 있는 중간 규모 양자 컴퓨터) 시대에 적합한 대표적인 양자머신러닝 알고리즘입니다.1. 개념 및 정의QSVM은 고전적인 SVM에서의 커널 트릭(Kernel Trick)을 양자 컴퓨터를 통해 구현하는 알고리즘으로, 데이터를 양자 상태로 인코딩하고, 두 양자 상태의 내적을 커널 함수로 활용하여 경계면을 분류합니다. 이를 통해 기존 SVM보다 ..

개요양자머신러닝(QML)은 양자컴퓨팅의 계산 능력과 머신러닝의 데이터 해석 능력을 결합한 첨단 융합 기술입니다. 양자의 중첩, 얽힘, 간섭과 같은 물리적 특성을 활용하여 기존 컴퓨터보다 빠른 속도로 데이터를 처리하거나, 새로운 유형의 학습 알고리즘을 구현할 수 있는 가능성을 열고 있습니다. QML은 특히 고차원 특징 공간 탐색, 복잡한 최적화 문제 해결, 소규모 데이터에서의 고성능 학습에 유망합니다.1. 개념 및 정의QML은 양자 회로(quantum circuit)를 활용하여 머신러닝 모델의 특정 계산 단계를 양자 컴퓨터에서 수행하거나, 양자 고유의 수학적 구조를 기반으로 완전히 새로운 유형의 모델을 구축하는 접근입니다.대표적으로는 양자 회로 기반 신경망(Quantum Neural Networks, QN..