양자컴퓨팅 (Quantum Computing)
편집하기 (부분)
둘러보기로 이동
검색으로 이동
경고:
로그인하지 않았습니다. 편집을 하면 IP 주소가 공개되게 됩니다.
로그인
하거나
계정을 생성하면
편집자가 사용자 이름으로 기록되고, 다른 장점도 있습니다.
스팸 방지 검사입니다. 이것을 입력하지
마세요
!
=== 양자 인공지능 === 기계 학습(machine learning)은 다양한 분야에 파급력을 갖고 있는 연구 방법론으로, NISQ 시대에 기계 학습이 갖게 될 영향에 대해서 논의하는 것은 자연스러운 일일 것이다. 현재 기술 단계에서는 양자 기계 학습이 고전 기계 학습에 비하여 어느 정도 양자 이점(quantum advantage)을 가져올지 알 수 없지만, 최근 진행되고 있는 양자 기계 학습 연구는 양자 연산의 효율을 높이는 한 방향으로 고려되고 있다.<ref name=Gao>X. Gao, Z. Zhang & L. Duan, An efficient quantum algorithm for generative machine learning, [https://arxiv.org/abs/1711.02038 arXiv:1711.02038] (2017).</ref> 양자 기계 학습이 중요한 연구 방향으로 여겨지는 이유 중 하나는 해당 방식에서 QRAM(Quantum Random Access Memory)의 활용이 가능할 것으로 기대되기 때문이다. 큐비트를 메모리로 사용할 경우 큰 길이의 벡터, 즉 큰 고전 데이터 정보를 적은 수의 큐비트에 저장할 수 있다. 반면, QRAM 기술에도 양자 상태에 정보 입력과 출력시 정보 손실이 일어난다는 난점이 존재한다. 입/출력을 모두 양자 시스템으로 한다면 이런 문제를 피할 수 있을 것으로 예상된다. 이와 같이 입/출력이 모두 양자 시스템으로 주어진 양자 기계 학습 모델은 복잡계 양자 물리 문제를 푸는 등의 양자 고유 문제에 적용되기 용이할 것으로 기대된다<ref name=Preskill/>. [[분류:NISQ 양자컴퓨팅 | ]]
요약:
한국양자정보학회 위키에서의 모든 기여는 다른 기여자가 편집, 수정, 삭제할 수 있다는 점을 유의해 주세요. 만약 여기에 동의하지 않는다면, 문서를 저장하지 말아 주세요.
또한, 직접 작성했거나 퍼블릭 도메인과 같은 자유 문서에서 가져왔다는 것을 보증해야 합니다(자세한 사항은
한국양자정보학회 위키:저작권
문서를 보세요).
저작권이 있는 내용을 허가 없이 저장하지 마세요!
취소
편집 도움말
(새 창에서 열림)
둘러보기 메뉴
개인 도구
로그인하지 않음
토론
기여
계정 만들기
로그인
이름공간
문서
토론
한국어
보기
읽기
편집
역사 보기
더 보기
검색
둘러보기
대문
최근 바뀜
임의의 문서로
미디어위키 도움말
도구
여기를 가리키는 문서
가리키는 글의 최근 바뀜
특수 문서 목록
문서 정보