QuLTSF: Long-Term Time Series Forecasting with Quantum Machine Learning
Created by
Haebom
Category
Empty
저자
Hari Hara Suthan Chittoor, Paul Robert Griffin, Ariel Neufeld, Jayne Thompson, Mile Gu
개요
본 논문은 장기 시계열 예측(LTSF) 문제에 양자 기계 학습(QML)을 적용한 QuLTSF 모델을 제안합니다. 기존의 트랜스포머 기반 LTSF 모델보다 성능이 뛰어난 선형 모델들이 존재함에도 불구하고, 본 연구는 QML을 활용하여 다변량 LTSF 문제에 대한 새로운 접근 방식을 제시합니다. 다양한 기상 데이터셋을 이용한 실험을 통해 QuLTSF가 기존 최첨단 선형 모델보다 평균 제곱 오차(MSE)와 평균 절대 오차(MAE)를 감소시키는 것을 보여줍니다.
시사점, 한계점
•
시사점:
◦
QML을 LTSF 문제에 적용한 최초의 시도로, 기존의 고성능 선형 모델을 능가하는 성능을 보여줍니다.
◦
QML의 LTSF 분야 적용 가능성을 제시하며, 향후 연구 방향을 제시합니다.
◦
기상 데이터를 이용한 실험 결과를 통해 QuLTSF 모델의 효용성을 검증했습니다.
•
한계점:
◦
현재는 특정 기상 데이터셋에 대한 실험 결과만 제시되어, 일반화 가능성에 대한 추가 연구가 필요합니다.
