본 논문은 양자 최적화, 특히 양자 어닐링(AQC)을 활용하여 심층 신경망(DNN)의 효율적인 압축(미세 조정된 가지치기-양자화)을 달성하는 방법을 제시합니다. 대규모 DNN 모델의 최적화는 점점 더 어려워지고 있는데, 본 연구는 기존의 휴리스틱 기법들을 수정하여 모델 압축 문제를 이진 제약 없는 이차 최적화(QUBO) 문제로 재구성하고, 상용 양자 어닐링 장치를 이용하여 해결합니다. 실험 결과, AQC는 유전 알고리즘이나 강화 학습과 같은 고전적 알고리즘보다 시간 효율성이 높고 전역 최적점을 찾는 데 탁월함을 보였으며, 실제 DNN 모델의 효과적인 압축을 달성할 수 있음을 보여줍니다.
