이미지 분류를 위한 진화형 하이브리드 양자-고전 아키텍처

요약

본 논문은 이미지 분류를 위해 자동화된 양자 회로 발견 프레임워크 EXAQC를 적용한 하이브리드 양자-고전 아키텍처를 제안합니다. EXAQC는 고전 특징 추출을 유지하면서 PQCs를 중간 처리 모듈로 진화시켜, MNIST, Fashion-MNIST, CIFAR-10 등에서 높은 정확도를 달성했습니다. 특히, 이진 CNN 대비 훨씬 적은 매개변수로도 경쟁력 있는 성능을 보여주며, 자동화된 회로 발견의 유효성을 입증했습니다.

핵심 포인트

• EXAQC를 통해 이미지 분류에 적용 가능한 진화형 하이브리드 양자-고전 아키텍처 제시
• 자동화된 회로 발견이 적은 매개변수로도 높은 정확도를 유지할 수 있음을 입증
• CIFAR-10에서 10층 CNN 대비 25배 이상 적은 매개변수로 우수한 성능 달성
• 회전 기반 인코딩(RX, RY, U3)이 진폭 인코딩보다 더 좋은 결과를 보임