본 논문은 양자 머신러닝에서 고차원 힐베르트 공간의 표현력을 활용하기 위해 고전적 데이터를 양자 상태로 인코딩하는 양자 특징 맵(Quantum Feature Map) 설계의 어려움을 해결하기 위해, 대규모 언어 모델(LLM)을 사용하여 양자 특징 맵을 자율적으로 생성, 평가 및 개선하는 에이전트 시스템을 제안합니다. 이 시스템은 생성, 저장, 검증, 평가, 검토의 다섯 가지 구성 요소로 구성되어 반복적으로 양자 특징 맵을 개선합니다. MNIST 데이터셋 실험 결과, 인간의 개입 없이 성공적으로 특징 맵을 발견하고 개선하며, 기존 양자 기준보다 우수하고 고전적 커널과 비교하여 경쟁력 있는 정확도를 달성(MNIST, Fashion-MNIST, CIFAR-10)함을 보여줍니다. 이 접근 방식은 데이터셋에 적응적인 양자 특징을 탐색하기 위한 프레임워크를 제공하고 양자 알고리즘 설계에서 LLM 기반 자동화의 잠재력을 강조합니다.
