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..

개요QNN(Quantum Neural Network)은 양자컴퓨팅의 원리를 기반으로 신경망 구조를 양자 회로 상에서 구현한 머신러닝 모델입니다. 고전 신경망의 연산을 양자 게이트로 대체함으로써, 고차원 특징 공간 탐색, 병렬 연산, 파라미터 효율성 측면에서 새로운 가능성을 제시합니다. 특히 NISQ(Noisy Intermediate-Scale Quantum) 환경에 적합하도록 설계된 하이브리드 아키텍처는, 현재 실험적 적용에서 활발히 연구되고 있습니다.1. 개념 및 정의QNN은 입력 데이터를 양자 상태로 인코딩한 뒤, **파라미터화된 양자 게이트(Parametrized Quantum Circuits, PQC)**를 활용하여 비선형 변환을 수행하고, 출력 상태의 측정 결과를 고전적인 예측으로 활용하는 구조..

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 ..