맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

오류가 있는 고전적 학습 표본에 대한 패리티 학습 양자 알고리즘, 양자 회로 및 이를 이용한 시스템

  • 기술번호 : KST2021008896
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 패리티 학습 양자 알고리즘, 양자 회로 및 이를 이용한 시스템에 관한 것으로서, 보다 구체적으로는 오류가 있는 고전적 학습 표본에 대한 패리티 학습 양자 알고리즘, 양자 회로 및 이를 이용한 시스템에 관한 것이다. 본 발명에서는, 패리티 비트에 오류가 존재하는 고전적 학습 표본을 수집하는 학습 표본 수집 단계; 상기 수집된 고전적 학습 표본에 대하여 양자 상태(quantum state)로 인코딩(encoding)하는 전처리 단계; 상기 전처리된 양자 상태의 각 큐비트(qubit)에 대하여 하다마드 게이트(Hadamard gate)를 적용한 후 상기 각 큐비트를 측정하는 양자 상태 측정 단계; 및 상기 양자 상태의 측정 결과를 이용하여 상기 고전적 학습 표본에서 주어지지 않은 학습 표본의 패리티를 예측하기 위한 강화 학습(reinforcement learning)을 수행하는 강화 학습 단계;를 포함하는 것을 특징으로 하는 양자 학습 방법을 개시한다.
Int. CL G06N 10/00 (2019.01.01) G06N 20/00 (2019.01.01) B82Y 10/00 (2017.01.01)
CPC G06N 10/00(2013.01) G06N 20/00(2013.01) B82Y 10/00(2013.01)
출원번호/일자 1020190174220 (2019.12.24)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2021-0081859 (2021.07.02) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.12.24)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이준구 대전광역시 유성구
2 박종훈 대전광역시 유성구
3 박경덕 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인충정 대한민국 서울특별시 강남구 역삼로***,*층(역삼동,성보역삼빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2019.12.24 수리 (Accepted) 1-1-2019-1336498-31
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
3 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
패리티 비트에 오류가 존재하는 고전적 학습 표본을 수집하는 학습 표본 수집 단계;상기 수집된 고전적 학습 표본에 대하여 양자 상태(quantum state)로 인코딩(encoding)하는 전처리 단계;상기 전처리된 양자 상태의 각 큐비트(qubit)에 대하여 하다마드 게이트(Hadamard gate)를 적용한 후 상기 각 큐비트를 측정하는 양자 상태 측정 단계; 및상기 양자 상태의 측정 결과를 이용하여 상기 고전적 학습 표본에서 주어지지 않은 학습 표본의 패리티를 예측하기 위한 강화 학습(reinforcement learning)을 수행하는 강화 학습 단계;를 포함하는 것을 특징으로 하는 양자 학습 방법
2 2
제1항에 있어서,상기 전처리 단계에서,상기 오류가 존재하는 고전적 학습 표본을 양자 RAM(quantum random access memory)를 이용하여 양자 상태(quantum state)로 인코딩(encoding)되는 것을 특징으로 하는 양자 학습 방법
3 3
제1항에 있어서,상기 전처리 단계에서,주어지지 않은 학습 표본에 대해서는 패리티 비트에 대한 예측 값을 사용하여 양자 상태를 생성하는 것을 특징으로 하는 양자 학습 방법
4 4
제3항에 있어서,상기 패리티 비트에 대한 예측 값은,상기 양자 상태 측정 단계와 상기 강화 학습 단계를 반복하면서 학습되어 산출되는 것을 특징으로 하는 양자 학습 방법
5 5
제1항에 있어서,상기 양자 상태 측정 단계에서는,상기 하다마드 게이트(Hadamard gate)를 적용한 후, 상기 각 큐비트를 z-기저(z-basis)에 대하여 측정하는 것을 특징으로 하는 양자 학습 방법
6 6
제1항에 있어서,상기 강화 학습 단계는,상기 수집된 고전적 학습 표본의 데이터 비트에 대한 패리티 비트를 산출하고, 상기 수집된 고전적 학습 표본의 패리티 비트와 비교하는 단계; 및상기 비교 결과를 이용하여 상기 주어지지 않은 학습 표본에 대한 학습을 수행하는 단계;를 포함하는 양자 학습 방법
7 7
제6항에 있어서,상기 강화 학습 단계는,안실라 비트(ancilla bit)가 1인 경우를 선별하는 단계;를 더 포함하는 것을 특징으로 하는 양자 학습 방법
8 8
패리티 비트에 오류가 존재하는 고전적 학습 표본을 수집하는 학습 표본 수집부;상기 수집된 고전적 학습 표본에 대하여 양자 상태(quantum state)로 인코딩(encoding)하는 전처리부;상기 전처리된 양자 상태의 각 큐비트(qubit)에 대하여 하다마드 게이트(Hadamard gate)를 적용한 후 상기 각 큐비트를 측정하는 양자 상태 측정부; 및상기 양자 상태의 측정 결과를 강화 학습의 상태(state) 정보로 활용하여 상기 고전적 학습 표본에서 주어지지 않은 학습 표본의 패리티를 예측하기 위한 강화 학습(reinforcement learning)을 수행하는 강화 학습부;를 포함하는 것을 특징으로 하는 양자 학습 시스템
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한국과학기술원 정보통신.방송 연구개발사업 (EZBARO)인공지능을 위한 양자컴퓨팅 기초 원천 기술 연구(2019)