Lucy Xing Sanjay Vishwakarma David Kremer Francisco Martin-Fernandez Ismael Faro Juan Cruz-Benito

초록

이 논문은 양자 작업의 QPU 처리 시간을 예측하는 데 머신러닝(ML) 기법을 적용하는 방안을 탐구한다. 본 연구는 머신러닝 알고리즘을 활용하여 양자 컴퓨팅 시스템의 운영 효율성을 향상시키기 위한 예측 모델을 제안한다. IBM Quantum 스키마를 따르는 약 15만 건의 작업 데이터셋을 기반으로, Gradient-Boosting 기반의 LightGBM 알고리즘을 사용하여 QPU 처리 시간을 예측하고, 모델 정확도 향상을 위해 데이터 전처리 기법을 도입한다. 실험 결과는 머신러닝 기법이 양자 작업 예측에 효과적임을 입증한다. 이러한 개선은 양자 컴퓨팅 프레임워크 내 자원 관리 및 스케줄링 개선에 긍정적인 영향을 미칠 수 있다. 본 연구는 머신러닝이 양자 작업 예측 정밀도를 높이는 데 미치는 잠재력을 부각시킬 뿐만 아니라, 고도화된 양자 컴퓨팅 운영에 인공지능 기반 도구를 통합하는 기반을 마련한다.