IonQ와 프랑스 연구기관 공동연구진이 양자 신경망(QNN) 학습 과정의 핵심 병목인 그래디언트 계산 비용을 크게 줄이는 확장형 학습 프레임워크를 개발했습니다.
연구진은 버터플라이 회로 구조, 계층별 학습, 병렬 그래디언트 계산 기법을 결합해 실제 IonQ 트랩드이온 양자컴퓨터에서 직접 학습을 수행했으며, 기존 AI 모델과 유사한 수준의 성능을 확인했습니다.
이번 연구는 현재 양자 하드웨어에서 양자 머신러닝을 구현할 수 있는 실질적 가능성을 제시했지만, 아직은 기존 고성능 AI 모델을 능가하는 수준은 아니며 더 큰 규모의 양자 시스템 개발이 필요합니다.
▣ 기타 자세한 사항은 기관 홈페이지 또는 센터 동향자료(첨부파일)을 참고하세요
