# Quantum-Inspired Geometric Classification with Correlation Group Structures and VQC Decision Modeling

### 저자

Nishikanta Mohanty, Arya Ansuman Priyadarshi, Bikash K. Behera, Badshah Mukherjee

### 💡 개요

본 논문은 양자 컴퓨팅에서 영감을 받은 기하학적 분류 프레임워크를 제안한다. 이 프레임워크는 상관 구조(CGR)와 SWAP 테스트 기반 유사도 측정을 활용하여 데이터의 기하학적 특성을 먼저 분석하고, 이를 기반으로 분류기를 구축한다. 제안된 방법은 소규모 데이터셋에서 가볍고 데이터 효율적인 분류기로 경쟁력 있는 성능을 보이며, 대규모 및 불균형 데이터셋에서는 양자 회로를 활용한 비선형 보정으로 성능을 향상시킨다.

### 🔑 시사점 및 한계

- 양자 컴퓨팅의 개념을 활용하여 데이터의 기하학적 구조를 분석함으로써 기존 분류 방법론의 한계를 극복할 수 있는 새로운 접근 방식을 제시한다.

- 제안된 프레임워크는 데이터셋의 규모와 특성(균형/불균형)에 따라 적응적으로 적용될 수 있으며, 특히 희귀 이벤트 탐지에서 운영점 인식 평가의 중요성을 강조한다.

- 현재 연구는 주로 고전적인 데이터셋에 대한 실험 결과를 제시하며, 실제 양자 컴퓨터에서의 성능 검증 및 확장성에 대한 추가 연구가 필요하다.

---

[PDF 보기](https://arxiv.org/pdf/2604.01930)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
