[논문 리뷰] Quantum Machine Learning: A Hands-on Tutorial for Machine Learning Practitioners and Researchers

Yuxuan Du, Xinbiao Wang외 7명|ArXiv.org|2025. 02. 03.

Quantum Computing Algorithms and Architecture인용 수 3

한 줄 요약

ML 실무자를 위한 양자 머신러닝(QML) 입문서로, 기초, 대표적인 QML 알고리즘, 학습 가능성, 일반화, 복잡도, 실전 코드 시연을 포괄적으로 다룹니다.

ABSTRACT

This tutorial intends to introduce readers with a background in AI to quantum machine learning (QML) -- a rapidly evolving field that seeks to leverage the power of quantum computers to reshape the landscape of machine learning. For self-consistency, this tutorial covers foundational principles, representative QML algorithms, their potential applications, and critical aspects such as trainability, generalization, and computational complexity. In addition, practical code demonstrations are provided in https://qml-tutorial.github.io/ to illustrate real-world implementations and facilitate hands-on learning. Together, these elements offer readers a comprehensive overview of the latest advancements in QML. By bridging the gap between classical machine learning and quantum computing, this tutorial serves as a valuable resource for those looking to engage with QML and explore the forefront of AI in the quantum era.

연구 동기 및 목표

• 고전 ML 배경을 가진 독자에게 양자 머신러닝의 기초와 용어를 소개한다.
• 대표적인 QML 알고리즘(커널 방법, 신경망, 트랜스포머)과 그 이론적 기초를 제시한다.
• QML에서의 학습가능성, 일반화 및 계산 복잡도를 논의한다.
• 실제 QML 구현을 보여주기 위한 실용 코드 시연을 제공한다.
• 고전 ML과 양자컴퓨팅을 연결하여 QML 발전 탐색을 가능하게 한다.

제안 방법

• 큐비트, 양자회로, 밀도 행렬 등 양자 컴퓨팅의 기초와 양자 입력/출력 프로토콜을 설명한다.
• 블록 인코딩, 양자 특이값 변환 등 양자 선형대수 도구를 제시하고 이것이 QML 서브루틴을 어떻게 가능하게 하는지 설명한다.
• 양자 커널 방법과 양자 특징 맵을 고전 커널과의 비교와 함께 도입한다.
• 오류 허용(fault-tolerant) 및 근시적(near-term) 접근법을 포함한 양자 신경망을 고찰하고, 표현력과 학습가능성에 대한 이론적 고찰을 한다.
• 오류 허용 설계와 2차 속도 향상 실행 시간 등 양자 트랜스포머 개념을 논의한다.
• 온라인 리소스 https://qml-tutorial.github.io/에서 코드 시연 및 실용 구현을 제공한다.

실험 결과

연구 질문

• RQ1 ML 실무자를 위한 양자 머신러닝을 가능하게하는 기본 원리와 아키텍처는 무엇인가?
• RQ2 양자 커널 방법, 양자 신경망, 양자 트랜스포머가 표현력, 일반화, 학습가능성 측면에서 고전적 대안들에 비해 어떤 차이가 있는가?
• RQ3 QML 알고리즘에 내재한 주요 계산 복잡도와 샘플 복잡도는 무엇이며, 근시형 하드웨어를 어떻게 효과적으로 활용할 수 있는가?

주요 결과

• 본 튜토리얼은 ML 연구자들을 위한 QML 기초, 알고리즘, 실무 고려사항에 대해 체계적이고 최신의 개요를 제공합니다.
• 네 가지 주요 QML 부문(CC, CQ, QC, QQ)을 상세히 다루고, QC 및 QQ 부문을 실용 학습과 적용의 주요 초점으로 위치시킵니다.
• 큐비트, 게이트, 회로 모델 등 양자 컴퓨팅 개념을 QML 과제(커널 방법, 신경망, 트랜스포머)와 연결하고 학습가능성 및 일반화 문제를 논의합니다.
• 주요 주제마다 코드 시연이 함께 하여 실제 구현을 예시하고 실습 학습을 용이하게 합니다.
• 튜토리얼은 NISQ 한계와 오류 허용 양자계산으로의 경로를 포함한 하드웨어 진전에 대해 다루며 QML의 기회와 도전을 모두 조명합니다.