| 1 |
1
적어도 하나의 프로세서를 이용하는 학습 장치가 양자 판독(quantum readout)을 위한 신경망을 구축하는 방법에 있어서,상기 학습 장치가 양자 회로를 이용하여 양자 판독에서의 잡음이 포함된 복수 개의 실제 측정 결과를 획득하는 단계;상기 학습 장치가 상기 잡음이 포함된 복수 개의 실제 측정 결과에 대응하여 상기 양자 회로의 이상적인 측정 결과를 각각 획득하는 단계;상기 학습 장치가 상기 잡음이 포함된 실제 측정 결과 및 상기 이상적인 측정 결과의 세트(set)로부터 훈련 데이터를 생성하는 단계; 및상기 학습 장치가 생성된 상기 훈련 데이터를 이용하여 양자 판독시 나타나는 오류를 완화하기 위한 신경망을 학습시키는 단계;를 포함하는, 신경망 구축 방법
|
| 2 |
2
제 1 항에 있어서,상기 실제 측정 결과를 획득하는 단계는,단일 큐비트 게이트(qubit gate)로 구성된 양자 회로를 이용하여 큐비트에 임의의 단일 큐비트 회전을 적용함으로써 양자 판독에서의 잡음이 포함된 복수 개의 실제 측정 결과를 나타내는 잡음 확률 분포를 생성하는, 신경망 구축 방법
|
| 3 |
3
제 2 항에 있어서,상기 양자 회로는,블로흐 구(Bloch sphere)의 하나의 축을 중심으로 하는 회전에 해당하는 게이트를 큐비트 시스템의 모든 큐비트에 랜덤이며 독립적으로 생성된 각도를 적용함으로써 상기 잡음 확률 분포를 생성하는, 신경망 구축 방법
|
| 4 |
4
제 1 항에 있어서,상기 이상적인 측정 결과를 획득하는 단계는,상기 잡음이 포함된 복수 개의 실제 측정 결과에 대응하여 상기 양자 회로의 회전 각도를 이용하여 계산 기반으로 큐비트를 측정함으로써 상기 양자 회로의 이상적인 측정 결과를 나타내는 이상적인 확률 분포를 각각 산출하는, 신경망 구축 방법
|
| 5 |
5
제 1 항에 있어서,상기 훈련 데이터를 생성하는 단계는,상기 잡음이 포함된 실제 측정 결과를 나타내는 잡음 확률 분포를 상기 신경망의 입력으로 설정하고,상기 이상적인 측정 결과를 나타내는 이상적인 확률 분포를 상기 신경망의 출력으로 설정하며,상기 잡음 확률 분포 및 상기 이상적인 확률 분포를 매칭하여 각각의 세트로 구성된 훈련 데이터를 생성하는, 신경망 구축 방법
|
| 6 |
6
제 1 항에 있어서,상기 신경망을 학습시키는 단계는,실제 측정의 경우에 계산적 기저 상태를 측정할 확률을 나타내는 입력층, 완전 연결층(fully connected layer)으로 구성된 은닉층, 및 이상적인 경우에 계산적 기저 상태를 측정할 확률을 나타내는 출력층으로 구성된 딥 러닝(deep learning) 모델을 이용하되,상기 훈련 데이터 중 실제 측정 결과를 나타내는 잡음 확률 분포 및 상기 이상적인 측정 결과를 나타내는 이상적인 확률 분포는 각각 상기 입력층의 입력 및 상기 출력층의 출력으로 설정되어 실제 측정 결과로부터 이상적인 측정 결과를 추론함으로써 양자 판독시 나타나는 오류를 완화하기 위한 상기 딥 러닝 모델을 학습시키는, 신경망 구축 방법
|
| 7 |
7
제 6 항에 있어서,상기 딥 러닝 모델은,각 은닉 노드의 활성화 함수로서 ReLU(Rectified Linear Unit)를 사용하고, 상기 출력층은 출력이 확률 분포를 나타내도록 소프트맥스(softmax) 함수를 사용하며,손실 함수는 범주형 교차 엔트로피(categorical cross entropy)를 사용하여 신경망의 가중치와 편향을 최적화하며,자유 파라미터(free parameter)는 하이퍼파라미터(hyperparameter)가 경험적으로 선택되는 최적화기(optimizer)에 의해 갱신되는, 신경망 구축 방법
|
| 8 |
8
제 1 항 내지 제 7 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
| 9 |
9
양자 컴퓨터가 양자 판독(quantum readout)을 수행하여 판독 대상의 측정 결과를 획득하는 단계;상기 양자 컴퓨터가 획득된 상기 판독 대상의 측정 결과를 양자 판독시 나타나는 오류에 관하여 미리 구축된 신경망에 입력하는 단계; 및상기 양자 컴퓨터가 상기 신경망을 이용하여 상기 판독 대상의 측정 결과에 대응하는 이상적인 측정 결과를 추론하는 단계;를 포함하고,상기 신경망은,양자 회로를 이용하여 양자 판독에서의 잡음이 포함된 복수 개의 실제 측정 결과를 획득하고, 상기 잡음이 포함된 복수 개의 실제 측정 결과에 대응하여 상기 양자 회로의 이상적인 측정 결과를 각각 획득하고, 상기 잡음이 포함된 실제 측정 결과 및 상기 이상적인 측정 결과의 세트(set)로부터 훈련 데이터를 생성하며, 생성된 상기 훈련 데이터를 이용하여 양자 판독시 나타나는 오류를 완화하기 위한 신경망을 학습시킴으로써 구축되는, 양자 판독 오류를 감소시키는 방법
|
| 10 |
10
제 9 항에 있어서,상기 판독 대상의 측정 결과를 획득하는 단계는,계산 기반의 투영 측정(projective measurement)을 통해 양자 판독을 수행함으로써 큐비트의 최종 상태를 양자 상태로 축소한 확률 분포를 획득하는, 양자 판독 오류를 감소시키는 방법
|
| 11 |
11
제 9 항에 있어서,상기 신경망은,단일 큐비트 게이트(qubit gate)로 구성된 양자 회로를 이용하여 큐비트에 임의의 단일 큐비트 회전을 적용함으로써 양자 판독에서의 잡음이 포함된 복수 개의 실제 측정 결과를 나타내는 잡음 확률 분포를 생성하는, 양자 판독 오류를 감소시키는 방법
|
| 12 |
12
제 11 항에 있어서,상기 양자 회로는,블로흐 구(Bloch sphere)의 하나의 축을 중심으로 하는 회전에 해당하는 게이트를 큐비트 시스템의 모든 큐비트에 랜덤이며 독립적으로 생성된 각도를 적용함으로써 상기 잡음 확률 분포를 생성하는, 양자 판독 오류를 감소시키는 방법
|
| 13 |
13
제 9 항에 있어서,상기 신경망은,상기 잡음이 포함된 복수 개의 실제 측정 결과에 대응하여 상기 양자 회로의 회전 각도를 이용하여 계산 기반으로 큐비트를 측정함으로써 상기 양자 회로의 이상적인 측정 결과를 나타내는 이상적인 확률 분포를 각각 산출하는, 양자 판독 오류를 감소시키는 방법
|
| 14 |
14
제 9 항에 있어서,상기 신경망은,실제 측정의 경우에 계산적 기저 상태를 측정할 확률을 나타내는 입력층, 완전 연결층(fully connected layer)으로 구성된 은닉층, 및 이상적인 경우에 계산적 기저 상태를 측정할 확률을 나타내는 출력층으로 구성된 딥 러닝(deep learning) 모델을 이용하되, 상기 훈련 데이터 중 실제 측정 결과를 나타내는 잡음 확률 분포 및 상기 이상적인 측정 결과를 나타내는 이상적인 확률 분포는 각각 상기 입력층의 입력 및 상기 출력층의 출력으로 설정되어 실제 측정 결과로부터 이상적인 측정 결과를 추론함으로써 양자 판독시 나타나는 오류를 완화하기 위한 상기 딥 러닝 모델을 학습시키는, 양자 판독 오류를 감소시키는 방법
|
| 15 |
15
양자 판독(quantum readout)시 나타나는 오류에 관하여 미리 구축된 신경망; 및큐비트(qubit) 제어 수단을 구비하고, 양자 판독(quantum readout)을 수행하여 판독 대상의 측정 결과를 획득하고, 획득된 상기 판독 대상의 측정 결과를 상기 신경망에 입력하며, 상기 신경망을 이용하여 상기 판독 대상의 측정 결과에 대응하는 이상적인 측정 결과를 추론하는 양자 컴퓨터;를 포함하고,상기 신경망은,양자 회로를 이용하여 양자 판독에서의 잡음이 포함된 복수 개의 실제 측정 결과를 획득하고, 상기 잡음이 포함된 복수 개의 실제 측정 결과에 대응하여 상기 양자 회로의 이상적인 측정 결과를 각각 획득하고, 상기 잡음이 포함된 실제 측정 결과 및 상기 이상적인 측정 결과의 세트(set)로부터 훈련 데이터를 생성하며, 생성된 상기 훈련 데이터를 이용하여 양자 판독시 나타나는 오류를 완화하기 위한 신경망을 학습시킴으로써 구축되는, 양자 판독 오류를 감소시키는 장치
|
| 16 |
16
제 15 항에 있어서,상기 신경망은,단일 큐비트 게이트(qubit gate)로 구성된 양자 회로를 이용하여 큐비트에 임의의 단일 큐비트 회전을 적용함으로써 양자 판독에서의 잡음이 포함된 복수 개의 실제 측정 결과를 나타내는 잡음 확률 분포를 생성하는, 양자 판독 오류를 감소시키는 장치
|
| 17 |
17
제 16 항에 있어서,상기 양자 회로는,블로흐 구(Bloch sphere)의 하나의 축을 중심으로 하는 회전에 해당하는 게이트를 큐비트 시스템의 모든 큐비트에 랜덤이며 독립적으로 생성된 각도를 적용함으로써 상기 잡음 확률 분포를 생성하는, 양자 판독 오류를 감소시키는 장치
|
| 18 |
18
제 15 항에 있어서,상기 신경망은,상기 잡음이 포함된 복수 개의 실제 측정 결과에 대응하여 상기 양자 회로의 회전 각도를 이용하여 계산 기반으로 큐비트를 측정함으로써 상기 양자 회로의 이상적인 측정 결과를 나타내는 이상적인 확률 분포를 각각 산출하는, 양자 판독 오류를 감소시키는 장치
|
| 19 |
19
제 15 항에 있어서,상기 신경망은,실제 측정의 경우에 계산적 기저 상태를 측정할 확률을 나타내는 입력층, 완전 연결층(fully connected layer)으로 구성된 은닉층, 및 이상적인 경우에 계산적 기저 상태를 측정할 확률을 나타내는 출력층으로 구성된 딥 러닝(deep learning) 모델을 이용하되, 상기 훈련 데이터 중 실제 측정 결과를 나타내는 잡음 확률 분포 및 상기 이상적인 측정 결과를 나타내는 이상적인 확률 분포는 각각 상기 입력층의 입력 및 상기 출력층의 출력으로 설정되어 실제 측정 결과로부터 이상적인 측정 결과를 추론함으로써 양자 판독시 나타나는 오류를 완화하기 위한 상기 딥 러닝 모델을 학습시키는, 양자 판독 오류를 감소시키는 장치
|
