본 논문은 게이트 기반 양자 커널 메서드와 양자 어닐링 기반 최적화를 통합하여 서포트 벡터 머신(SVM) 학습에 대한 완전한 양자 접근 방식을 제시합니다. 다양한 특징 맵과 큐비트 구성을 사용하여 양자 커널을 구성하고, 커널-타겟 정렬(KTA)을 통해 적합성을 평가합니다. SVM 이중 문제는 이차 비제약 이진 최적화(QUBO) 문제로 재구성되어 양자 어닐러를 통해 해결됩니다. 실험 결과, 커널의 높은 정렬 정도와 적절한 정규화 매개변수가 경쟁력 있는 성능을 달성하는 데 기여하며, 최고 성능 모델은 90%의 F1 점수를 달성했습니다. 이러한 결과는 엔드투엔드 양자 학습 파이프라인의 실현 가능성과 양자 고성능 컴퓨팅(QHPC) 환경에서 하이브리드 양자 아키텍처의 잠재력을 강조합니다.
