연구진은 시간 재매개변수 불변성 문제를 해결하기 위해 양자 신경망과 경로 시그니처 프레임워크를 결합한 하이브리드 양자-고전 아키텍처를 제안했어요. 이 아키텍처는 참조 경로와 대상 경로 간의 시그니처 커널을 계산하는 특징 레이어를 사용하며, 고전 또는 양자 변분 선형 솔버(VQLS)를 활용해요. QCNN을 통해 하위 학습 작업을 수행하며, 손글씨 숫자 시간 계열 데이터를 이용한 이진 분류 작업에서 성능을 평가했어요.
실험 결과, 양자 회로 내에서 경로 시그니처 커널 레이어를 구현하는 잠재적 이점을 확인했으며, VQLS 구성 요소와 관련된 계산상의 한계를 분석했어요. 연구는 시간 계열 분류 문제에 양자 컴퓨팅 기술을 적용하는 가능성을 보여줘요.
향후 연구에서는 VQLS의 계산 복잡성을 줄이고, 더 복잡한 시간 계열 데이터에 대한 성능을 개선하는 방향으로 나아갈 것으로 예상돼요.