[논문 리뷰] A Leap among Entanglement and Neural Networks: A Quantum Survey.

Fabio Valerio Massoli, Lucia Vadicamo외 2명|arXiv (Cornell University)|2021. 07. 06.

Quantum Computing Algorithms and Architecture참고 문헌 183인용 수 5

한 줄 요약

이 논문은 게이트 모델과 애디아바틱 양자 컴퓨팅 파라다임 내에서 양자 인과신경망과 양자 퍼셉트론을 중심으로 양자 컴퓨팅과 신경망의 통합을 조사한다. 기본적인 양자 컴퓨팅 개념을 제공하고, 현재의 구현 방식을 비교하며, 양자 머신 러닝을 발전시키기 위한 최신 기법을 분석한다.

ABSTRACT

In recent years, Quantum Computing witnessed massive improvements both in terms of resources availability and algorithms development. The ability to harness quantum phenomena to solve computational problems is a long-standing dream that has drawn the scientific community's interest since the late '80s. In such a context, we pose our contribution. First, we introduce basic concepts related to quantum computations, and then we explain the core functionalities of technologies that implement the Gate Model and Adiabatic Quantum Computing paradigms. Finally, we gather, compare and analyze the current state-of-the-art concerning Quantum Perceptrons and Quantum Neural Networks implementations.

연구 동기 및 목표

• 양자 머신 러닝과 관련된 기초적인 양자 컴퓨팅 개념에 대한 종합적인 개요를 제공하기 위해.
• 게이트 모델과 애디아바틱 양자 컴퓨팅 파라다임의 핵심 기능을 설명하기 위해.
• 최신 기술의 양자 퍼셉트론과 양자 신경망의 구현을 수집하고 비교하며 분석하기 위해.
• 양자 신경망 개발 분야에서 현재의 과제와 연구 방향을 규명하기 위해.

제안 방법

• 양자 중첩, 얽힘, 양자 게이트를 포함한 기본적인 양자 컴퓨팅 원리를 소개한다.
• 게이트 모델과 애디아바틱 양자 컴퓨팅의 작동 원리를 설명하며, 그 차이점과 응용 분야를 강조한다.
• 기존의 양자 퍼셉트론 및 양자 신경망 아키텍처를 검토하며, 설계 및 구현에 초점을 맞춘다.
• 확장성, 코herence, 계산 효율성 측면에서 현재의 구현 방식을 비교한다.
• 양자 신경망에서 사용되는 양자 알고리즘과 회로 설계를 분석한다.
• 결과를 종합하여 실용적 응용에서의 양자 신경망의 성숙도와 잠재력을 평가한다.

실험 결과

연구 질문

• RQ1 양자 퍼셉트론과 양자 신경망은 아키텍처와 기능에서 어떻게 다릅니까?
• RQ2 현재의 양자 하드웨어에 양자 신경망을 구현할 때의 주요 과제는 무엇입니까?
• RQ3 게이트 모델과 애디아바틱 양자 컴퓨팅 파라다임은 양자 신경망 개발을 어떻게 지원하거나 제한합니까?
• RQ4 가장 유망한 현재의 양자 신경망 구현 방식은 무엇이며, 각각의 한계는 무엇입니까?
• RQ5 얽힘은 양자 신경망의 성능과 표현력에 어떻게 기여합니까?

주요 결과

• 양자 퍼셉트론과 양자 신경망은 여전히 초기 개발 단계에 있지만, 양자 머신 러닝을 위한 실현 가능한 프레임워크로 부상하고 있다.
• 게이트 모델 양자 컴퓨팅은 정밀한 게이트 수준 제어를 가능하게 하여, 양자 신경망 회로의 구현에 적합하다.
• 애디아바틱 양자 컴퓨팅은 특히 최적화 기반 학습 작업에 대해 양자 신경망의 대안적 길을 제공한다.
• 현재의 구현은 큐비트의 코herence, 게이트 정확도, 확장성 제약으로 인해 상당한 제약을 받고 있다.
• 얽힘은 전통적인 대비하여 양자 신경망의 표현력 향상에 결정적인 역할을 한다.
• 표준화된 벤치마크와 하드웨어 최적화 설계가 부족하여, 향후 연구 및 도구 개발이 더 필요하다.