Do We Really Need Quantum Machine Learning?: A Multidimensional Empirical Study
작성자
카테고리
未設定
저자
Sudip Vhaduri, Ryan Gammon, Sayanton Dibbo
💡 개요
본 연구는 고전적 머신러닝 모델의 계산적 한계를 극복하기 위해 양자 머신러닝의 필요성을 다각적으로 실증 분석합니다. MNIST 손글ist 자릿수 데이터셋을 사용하여 고전 SVM/CNN과 양자 SVM/CNN 모델의 정확도, 계산 시간, 파라미터 수, 메모리 요구량을 비교 평가했습니다. 결과적으로 양자 모델은 특정 조건에서 고전 모델 대비 우수한 성능을 보였으며, 특히 특징 차원 또는 샘플 크기가 증가할수록 성능 격차가 벌어지는 경향을 확인했습니다.
🔑 시사점 및 한계
•
양자 SVM은 고전 SVM보다 높은 정확도를 보이지만, 계산 비용이 더 높습니다.
•
양자 CNN은 고전 CNN과 유사한 정확도를 가지면서도 특징 차원이 높을 때 더 적은 파라미터와 메모리를 요구하지만, 계산 시간은 더 소요됩니다.
•
특징 차원 또는 샘플 크기가 증가함에 따라 양자 모델의 정확도 우위가 더욱 두드러집니다.
•
본 연구는 MNIST 데이터셋에 국한된 비교이며, 더 복잡한 문제나 실제 데이터셋에 대한 검증이 필요합니다.
