초차원 컴퓨팅 (Hyperdimensional Computing, HDC)은 인간의 인지 능력에서 영감을 받은 견고한 계산 프레임워크로, 고차원 벡터 공간 내에서의 단순하고 효율적인 연산이 특징입니다. 양자 강화 초차원 컴퓨팅 (Quantum-enhanced Hyperdimensional Computing, QeHDC)은 양자 역학적 특성을 활용하여 계산 효율성을 높임으로써 기존의 HDC를 확장합니다. 본 논문에서는 정현파 (sinusoidal) 및 양자 인코딩 (quantum encoding)을 활용하여 고전적 데이터를 양자 진폭 상태 (quantum amplitude states)로 효율적으로 투영하는 원패스 학습 (one-pass training) 방법을 특징으로 하는 새로운 양자 HDC 프레임워크를 제안합니다. 우리의 프레임워크는 양자 회로 (quantum circuits)를 통해 구현되는 혁신적인 참조 상태 기반 (reference-state-based) 양자 결합 (quantum binding) 연산을 도입합니다. 또한, 고유값 분해 (eigenvalue decomposition)를 사용하여 핵심적인 양자 상태 특징을 효과적으로 추출함으로써 더욱 정확하고 견고한 클래스 표현을 가능하게 하는 밀도 행렬 (density-matrix) 기반의 슈퍼클래스 생성 전략을 제안합니다. 표준 벤치마크 데이터셋을 대상으로 수행된 실험적 평가 결과, 우리의 접근 방식은 기존의 고전적 방식 및 기존의 양자 강화 방식과 비교하여 우수한 성능, 노이즈에 대한 견고성 및 계산 가능성을 입증했습니다. 이러한 결과는 양자 강화 분류 작업에 대한 양자 HDC의 실질적인 이점과 잠재력을 강조하며, 양자 영감 계산 패러다임 (quantum-inspired computational paradigms)의 향후 발전을 위한 길을 열어줍니다.