텍사스 A&M대, NVIDIA, 로스앨러모스 국립연구소 연구진은 AI와 양자회로 시뮬레이션을 결합한 SCALAR 프레임워크를
개발해 양자 알고리즘의 최적 설정을 문제의 구조적 특성으로 예측하는 방법을 제시했습니다. QAOA 기반 MaxCut 문제를
분석한 결과, 일부 저심도 양자회로에서는 그래프의 구조적 특성이 유사한 문제들이 거의 동일한 최적 매개변수를 갖는 패턴을
확인했으며, 이는 양자 하드웨어에서 매개변수를 반복적으로 조정하는 시행착오를 줄여 양자회로 튜닝에 필요한 시간과 비용을
절감할 가능성을 보여주고 있습니다. 다만 회로가 깊어지거나 다양한 그래프로 범위를 확대할 경우 예측 정확도가 낮아지는 한계가 있어,
향후 보다 정교한 문제 구조 분석과 실제 양자 하드웨어를 통한 검증이 필요합니다.
♠ 기타 자세한 사항은 기관 홈페이지 또는 센터 동향자료(첨부파일)을 참고하세요
[출처]
