본 논문은 양자 컴퓨팅과 고전 기계 학습의 교차점에 있는 지도 학습 양자 기계 학습(Supervised Quantum Machine Learning, QML)을 검토합니다. 변분 양자 회로, 양자 신경망, 양자 커널 방법 및 하이브리드 양자-고전 워크플로우와 같은 방법에 중점을 두고 최근 발전을 살펴봅니다. 또한 양자 우위를 부분적으로 보여주는 최근 실험 연구를 조사하고, 노이즈, 불모의 고원, 확장성 문제, 고전적 방법에 대한 성능 향상의 공식적인 증명 부족 등 현재의 한계를 설명합니다. 주요 기여는 향후 10년(2025-2035) 동안 QML의 가능한 발전을 개략적으로 설명하는 로드맵을 포함하여, 향후 10년 동안 응용 연구 및 엔터프라이즈 시스템에서 QML을 사용할 수 있는 조건을 설명하는 10년 전망입니다.
