극한 양자 인지 기계와 심층 의사결정

초록

**
본 논문은 잡음과 모순이 섞인 학습 데이터를 견디면서도 빠른 학습이 가능한 ‘극한 양자 인지 기계(EQCM)’를 제안한다. 고정된 양자 동역학을 비선형 특징 맵으로 활용하고, 입력‑종속 해밀토니안 항으로 구현한 동적 주의 메커니즘이 작업‑관련 상관관계를 강조한다. 최대 엔트로피 방식으로 클래식 입력을 양자 상태로 초기화하고, 선형 리드아웃을 리지 회귀로 학습한다. 언어 분류 벤치마크에서 뛰어난 성능을 보였으며, 근거리 이징 상호작용 기반 NISQ 구현 방안도 제시한다.

**

상세 분석

**
이 연구는 두 가지 최신 흐름을 결합한다. 첫째는 양자 인지(paradigm)로, 인간의 맥락‑의존적·순서‑효과적 사고를 양자 확률의 비가환 연산자로 모델링한다. 여기서 정신 상태는 힐베르트 공간의 밀도 행렬, 질문은 에르미트 연산자로 표현되며, 기대값이 ‘심사숙고된 경향(deliberative tendency)’을 나타낸다. 둘째는 양자 극한 학습(Quantum Extreme Learning)·양자 저장소 컴퓨팅(Quantum Reservoir Computing)으로, 고정된 복잡한 양자 회로가 입력을 고차원 비선형 임베딩으로 변환하고, 학습은 선형 가중치만 조정한다는 구조적 장점을 차용한다.

EQCM은 입력‑종속 해밀토니안 (H = H_0 + H_I(z))를 도입한다. (H_0)는 자유‑생각(free‑thinking) 동역학을 담당하고, (H_I)는 입력 벡터 (z)에 따라 변하는 ‘동적 주의’ 역할을 한다. 이 항은 입력의 관계 구조를 반영하는 서브스페이스로 양자 진화를 유도함으로써, 기존 저장소 모델의 무조건적 전파와 달리 작업‑특화된 탐색을 가능하게 한다.

입력 인코딩은 최대 엔트로피 원칙에 기반한다. 원시 기호열을 빈도에 따라 ‘자주 등장’과 ‘희귀’ 두 집합으로 이진화하고, 각 원소를 (\pm\Delta) 값으로 매핑한다. 이렇게 얻은 이진 벡터는 밀도 행렬 (\rho_0(z))를 구성하는 제약조건(국소 기대값)으로 사용된다. 결과적으로 모델은 개별 기호의 세부 정보를 의도적으로 버리고, 기호 간 상관·패턴에만 집중한다는 점에서 ‘hard deliberation’ 문제에 적합하다.

양자 상태는 시간 (\tau) 동안 유니터리 연산 (U(\tau)=e^{-iH\tau})에 의해 진화하고, 고정된 관측량 집합 ({Q_k})에 대한 기대값 (f_k(z)=\mathrm{Tr}