연구팀이 양자 머신러닝(QML) 모델과 고전 모델의 성능을 비교했어요. 7가지 모델 페어를 대상으로 지도 학습과 강화 학습을 수행한 결과, QML 모델이 고전 모델보다 전반적인 예측 성능, 정책 안정성, 훈련 시간에서 우위를 보이지 않았어요. 하지만 QML은 노이즈 필터링과 오보증 제어에 유망한 접근 방식이 될 수 있다고 밝혔어요.
QML 모델의 하드웨어 환경, 훈련 효율성, 수렴 안정성 문제를 지적하며, QML의 견고성 및 파라미터 최적화를 위한 연구 기반을 제공했어요. 연구 결과는 GitHub에서 공개됐어요.
현재 QML은 고전 모델을 능가하지 못하지만, 노이즈 필터링과 오보증 제어에 잠재력을 가지고 있으며, 향후 연구를 통해 개선될 수 있을 것으로 기대돼요.