Quantum Machine Learning (양자 기계 학습): Difference between revisions

From QCLab
No edit summary
No edit summary
Line 3: Line 3:
양자 기계 학습은 양자 알고리즘을 기계 학습 프로그램 내에 통합하는 것을 말한다. 가장 일반적인 형태는 양자 향상된 기계 학습으로, 고전 데이터 분석을 위한 기계 학습 알고리즘을 양자 컴퓨터에서 실행하게 된다. 기계 학습 알고리즘은 흔히 방대한 양의 데이터를 계산하는 데 사용되지만, 양자 기계 학습은 계산 속도와 데이터 저장 용량을 개선하기 위해 큐비트 및 양자 연산 또는 특수한 양자 시스템을 활용한다. 이는 고전 및 양자 처리를 모두 포함하는 하이브리드 방법을 포함한다. 이 발표에서는 울프램 언어를 이용하여 손쉽게 양자 기계 학습을 시뮬레이션하면서, 실제 양자 컴퓨터에서 이루어지는 양자 기계 학습의 원리를 공부하는 것을 소개한다. 특히, 양자 시뮬레이션 프레임워크인 [https://github.com/quantum-mob/Q3 Q3]를 이용하여 여러 가지 기본적인 양자 기계 학습 예를 소개할 것이다.
양자 기계 학습은 양자 알고리즘을 기계 학습 프로그램 내에 통합하는 것을 말한다. 가장 일반적인 형태는 양자 향상된 기계 학습으로, 고전 데이터 분석을 위한 기계 학습 알고리즘을 양자 컴퓨터에서 실행하게 된다. 기계 학습 알고리즘은 흔히 방대한 양의 데이터를 계산하는 데 사용되지만, 양자 기계 학습은 계산 속도와 데이터 저장 용량을 개선하기 위해 큐비트 및 양자 연산 또는 특수한 양자 시스템을 활용한다. 이는 고전 및 양자 처리를 모두 포함하는 하이브리드 방법을 포함한다. 이 발표에서는 울프램 언어를 이용하여 손쉽게 양자 기계 학습을 시뮬레이션하면서, 실제 양자 컴퓨터에서 이루어지는 양자 기계 학습의 원리를 공부하는 것을 소개한다. 특히, 양자 시뮬레이션 프레임워크인 [https://github.com/quantum-mob/Q3 Q3]를 이용하여 여러 가지 기본적인 양자 기계 학습 예를 소개할 것이다.


 
[[Category:WLC2023]]
[[Cateogry:WLC2023]]

Revision as of 09:32, 6 October 2023

최만수 (고려대학교 물리학과)

양자 기계 학습은 양자 알고리즘을 기계 학습 프로그램 내에 통합하는 것을 말한다. 가장 일반적인 형태는 양자 향상된 기계 학습으로, 고전 데이터 분석을 위한 기계 학습 알고리즘을 양자 컴퓨터에서 실행하게 된다. 기계 학습 알고리즘은 흔히 방대한 양의 데이터를 계산하는 데 사용되지만, 양자 기계 학습은 계산 속도와 데이터 저장 용량을 개선하기 위해 큐비트 및 양자 연산 또는 특수한 양자 시스템을 활용한다. 이는 고전 및 양자 처리를 모두 포함하는 하이브리드 방법을 포함한다. 이 발표에서는 울프램 언어를 이용하여 손쉽게 양자 기계 학습을 시뮬레이션하면서, 실제 양자 컴퓨터에서 이루어지는 양자 기계 학습의 원리를 공부하는 것을 소개한다. 특히, 양자 시뮬레이션 프레임워크인 Q3를 이용하여 여러 가지 기본적인 양자 기계 학습 예를 소개할 것이다.