본 논문은 양자 시스템의 특성을 실험 데이터로부터 추출하는 문제를 다룬다. 특히, 대규모 양자 시스템에서 최적의 측정 방법을 찾는 것이 어려운 점을 해결하기 위해, 데이터 기반 적응형 방식으로 효율적인 측정 방법을 찾는 순차 모델 아키텍처를 갖춘 심층 신경망을 제안한다. 이 모델은 양자 상태의 선형 및 비선형 특성 예측, 상태 클러스터링, 상태 토모그래피 등 다양한 작업에 적용될 수 있으며, 모든 작업에서 균일한 랜덤 측정보다 우수한 성능을 보였다. 특히, 위상 양자 시스템에서 bulk 특성 예측 작업에도 불구하고 경계에서의 측정을 추천하는 경향을 보이는데, 이는 신경망이 양자 물리학에 대한 사전 지식 없이도 경계와 bulk 간의 관계를 독립적으로 발견했을 가능성을 시사한다.
