양자 영감 최적화(Quantum-Inspired Optimization)를 이용한 머신러닝의 비볼록성 탐색

요약

본 논문은 고차원 또는 이상치로 오염된 환경에서 발생하는 어려운 비볼록 최적화 문제를 해결하기 위한 통합 프레임워크를 제안합니다. 전통적인 머신러닝 접근 방식의 한계점(지역 최소값에 빠지는 문제 등)을 극복하기 위해, 양자 중첩 개념에서 영감을 받은 양자 영감 진화 최적화(QIEO) 기법을 활용하여 전역 탐색 능력을 확보하는 것이 핵심입니다.

핵심 포인트

• 머신러닝의 복잡성 증가로 인해 비볼록 최적화 문제 해결이 필수적이다.
• 전통적인 볼록 완화나 지역 탐색 휴리스틱은 전역 최적해를 찾기 어렵다는 한계가 있다.
• 제안된 프레임워크는 양자 영감 진화 최적화(QIEO)를 기반으로 한다.
• QIEO는 양자 중첩 개념을 활용하여 탐색 공간 전체에 대한 글로벌 시야를 유지하며 전역 탐색을 수행한다.