양자 기계학습 모델 내오류성 새로운 접근

과학자들은 양자 오류와 해킹에서 자유로운 양자 기계학습(machine learning) 시스템을 구축하기위한 새 접근 방식을 개발했다.

이를 통해 특정 양자 기반 기계 학습 모델의 견고성 조건을 증명할 수 있으며, 양자 계산이 신뢰할 수 있고 결과 정확성이 보장된다. 연구자들은 과학 저널 npj Quantum Information에 새로운 접근 방식을 발표했다.

ETH 컴퓨터 과학 교수이자 ETH AI 센터의 회원 Ce Zhang이 이끄는 연구 그룹은 Shanghai Jiao Tong University의 Nana Liu 교수 및 Urbana의 Illinois 대학 Bo Li 교수 등이 공동 연구했다.

Ce Zhang 그룹의 박사후 연구원 Zhikuan Zhao는 “고전적인 알고리즘과 같은 양자 알고리즘이 오류와 섭동이 발생하기 쉽다는 것을 깨달았을 때, 우리는 특정 머신 러닝 작업에 대한 이러한 오류 및 섭동의 원인을 어떻게 추정할 수 있는지, 그리고 선택한 항목의 견고성과 신뢰성을 보 할 수 있는 방법을 자문했다 “며 “이 사실을 안다면 잡음이 많은 경우에도 계산 결과를 신뢰할 수 있다”고 말했다.

연구원들은 양자 분류 알고리즘을 예로 사용하여 이 질문을 조사했습니다. 결국 분류 작업의 오류는 예를 들어 독성 버섯이 무독성으로 분류 된 경우와 같이 실제 세계에 영향을 미칠 수 있기 때문에 까다롭다.

중요한 것은 양자 상태를 구별할 수있는 다른 연구자들의 최근 연구에서 영감을 얻은 양자 가설 테스트 이론을 사용하여 양자 상태를 구별할 수 있도록하는 것이다. ETH 연구자들은 그 이상으로 양자 분류 할당 임계 값을 결정했다. 알고리즘은 정확하고 그 예측은 확실했다.

연구팀은 개발한 견고한 방법을 사용하여 오류 및 잡음이 있는 입력의 분류가 깨끗하고 잡음 없는 입력과 동일한 결과를 산출하는지 여부를 확인할 수 있었다. 연구진은 오류가 자연적인 원인인지 해킹 공격으로 인한 조작의 결과인지에 관계없이 계산의 오류 허용 범위를 지정하는 데 사용할 수있는 보호 체계를 개발했다. 견고성 개념은 해킹 공격과 자연 오류 모두에 적용된다.

양자 컴퓨팅에서 오류의 영향은 시스템 크기가 커짐에 따라 증가하기 때문에 그와 Zhao는 현재 이 문제에 대한 연구를 수행하고 있다.

Ce Zhang의 박사 과정 학생이자 논문의 첫 번째 저자 인 Maurice Weber는 “이 방법은 더 광범위한 양자 알고리즘 클래스에도 적용될 수 있다. 예를 들어 분자의 전자 구조를 더 잘 이해하도록 설계된 양자 알고리즘과 함께 우리의 견고성 조건이 유 할 것”이라고 밝혔다.