본 논문은 양자 기계 학습(QML)을 이용하여 약물 평가에 필수적인 ADME (흡수, 분포, 대사, 배설) 특성 예측 문제를 해결하는 새로운 접근법을 제시합니다. 기존 양자 컴퓨팅 시스템(QCS) 프레임워크는 불균형 데이터셋을 포함한 분류 및 회귀 문제 모두를 다루는 ADME 과제에 어려움을 겪기 때문에, 본 논문에서는 불균형 분류 및 회귀 작업에 대한 QML 회로 성능을 평가하기 위한 새로운 학습 없는 스코어링 메커니즘을 제안합니다. 이 메커니즘은 불균형 분류 작업에서 스코어링 지표와 테스트 성능 간의 상관관계를 보여주며, 양자 상태 간의 연속적인 유사성 관계를 정량화하여 회귀 작업의 성능 예측을 가능하게 합니다. 대표적인 ADME 작업(불균형 분류 및 회귀 각각 하나씩)에 대한 검증 결과, 제안된 스코어링 지표와 회로 성능 간의 상관관계가 상당히 높음을 보여주며, 상관관계가 미미한 기준 스코어링 방법보다 성능이 뛰어남을 확인했습니다.
