초록
전통적인 기계 학습 응용 프로그램, 예를 들어 광학적 문자 인식은 컴퓨터를 일상적인 작업을 수행하도록 명시적으로 프로그래밍하는 것이 불가능한 상황에서 등장했습니다. 이 맥락에서 학습 알고리즘은 보통 대규모 데이터셋에 포함된 증거만을 바탕으로 모델을 유도합니다. 그러나 일부 과학 분야에서는 풍부한 데이터를 얻는 것이 실질적으로 사치일 수 있으며, 이 경우 이전의 과학적 발견에 기반한 명시적인 도메인 모델이 존재합니다. 여기서 우리는 이러한 이전의 과학적 발견을 활용하여 과학적 모델의 일반화 능력을 개선할 수 있는 새로운 기계 학습 접근법을 소개합니다. 우리는 초전도 양자 장치에서 해밀토니안(Hamiltonian)의 전체 에너지 스펙트럼을 예측하는 데 그 효과를 입증하였습니다. 이는 현재 양자 컴퓨터 교정에서 중요한 작업입니다. 우리의 정확도는 현존하는 최고 수준보다 20% 이상 뛰어납니다. 따라서 우리의 접근법은 인공 지능이 "거인들의 어깨 위에 서서" 더욱 발전될 수 있음을 시연합니다.