양자 오류 정정 (Quantum Error Correction)을 위한 양자 전역 변분 학습 (Quantum Global Variational

효율적인 양자 오류 정정 (Quantum Error Correction)은 양자 컴퓨팅 (Quantum Computing)의 발전에 필수적입니다. 본 연구에서는 양자 회로 (Quantum Circuits)에 필요한 유니터리 행렬 (Unitary Matrices)의 수를 줄이는 전역 구조 (Global Structure)를 가진 양자 신경망 (Quantum Neural Network)을 제안합니다. 이 접근 방식은 훈련 시간을 97% 단축하고 훈련 완료율을 최대 25% 향상시켰으며, 결과적으로 이전 연구에서 보고된 오류 정정 성능을 능가하면서도 100%의 훈련 성공률을 달성했습니다. 또한, 내부 네트워크 노이즈 (Internal Network Noise)에 대한 양자 오류 정정의 향상된 강건성 (Robustness)을 입증했습니다. 더욱이, 감소된 계산 부하 (Computational Load) 덕분에 내부 네트워크 노이즈 하에서의 양자 오류 정정 충실도 (Fidelity)가 최대 15% 증가했습니다.