노이즈를 활용한 양자 신경망 정규화 기법

초록

본 논문은 양자 하드웨어의 자연스러운 디코히런스(노이즈)를 조절 가능한 하이퍼파라미터로 활용해 양자 신경망(QNN)의 과적합을 방지하고 일반화 성능을 향상시키는 방법을 제안한다. 진폭 감쇠, 위상 감쇠, 디포라징 등 세 종류의 채널을 시뮬레이션하고, 두 개의 회귀 데이터셋(당뇨병 진행 지수와 콘크리트 압축 강도)에서 검증하였다. 적절한 노이즈 레벨이 검증 손실을 최소화하고, Fisher 정보 행렬의 트레이스가 감소함을 통해 평탄한 최소점으로의 수렴을 확인하였다.

상세 분석

이 연구는 기존의 오류 완화·보정 접근과는 달리, 양자 시스템에 내재된 노이즈 자체를 정규화 수단으로 전환한다는 점에서 혁신적이다. 저자는 진폭 감쇠(AD), 위상 감쇠(PD), 디포라징(DP) 세 가지 표준 양자 채널을 Kraus 연산자로 명시하고, 노이즈 강도 γ를 10^p (p∈