본 논문은 양자 컴퓨팅과 고전적 기계 학습의 교차점에 있는 지도 학습 양자 기계 학습(QML)을 검토합니다. 변분 양자 회로, 양자 신경망, 양자 커널 방법과 같은 방법들과 하이브리드 양자-고전적 워크플로우에 중점을 두고 최근 발전 상황을 살펴봅니다. 또한 양자적 우위를 부분적으로 보여주는 최근 실험 연구를 조사하고, 노이즈, 불모의 고원, 확장성 문제, 고전적 방법에 대한 성능 개선의 공식적인 증명 부족과 같은 현재의 한계점을 설명합니다. 주요 기여는 향후 10년(2025-2035년) 동안 QML의 가능한 발전을 개략적으로 설명하는 로드맵을 포함하여, 향후 10년 동안 응용 연구 및 엔터프라이즈 시스템에서 QML을 사용할 수 있는 조건을 설명하는 10년 전망입니다.
