양자 어닐링 기반 특징 선택을 통한 해석 가능한 AI 로우딩

요약

본 연구는 이미지 분류 작업에서 CNN의 해석 가능성을 높이기 위해 양자 어닐링(quantum annealing) 기반 특징 선택 방법을 제안합니다. 이 방법은 각 예측에 가장 중요한 특징 맵을 선택하는 조합 최적화 문제를 양자 제약 최적화 문제로 인코딩하여 해결합니다. 실험 결과, 기존의 GradCAM 등 설명 가능한 AI 기법 대비 개선된 클래스 분리 및 투명성을 보여주었으며, 나아가 양자 어닐링 알고리즘 자체의 계산 행동 분석을 통해 실제 적용 가능성에 대한 통찰력을 제공했습니다.

핵심 포인트

• 딥러닝 모델의 신뢰성 확보를 위해 해석 가능한 AI(XAI)가 필수적이며, 본 연구는 CNN 해석에 초점을 맞췄습니다.
• 핵심 방법론은 예측에 가장 중요한 특징 맵을 선택하는 조합 최적화 문제를 양자 어닐링으로 해결하는 것입니다.
• 제안된 방식은 GradCAM 등 기존 XAI 기법 대비 더 명확한 클래스 분리 및 높은 추론 투명성을 달성했습니다.
• 단순히 적용에 그치지 않고, 양자 어닐링 알고리즘의 최소 에너지 갭 분석을 통해 방법론 자체의 이론적 근거와 효과를 입증했습니다.