연구진은 양자 하드웨어의 물리적 노이즈를 억제하는 대신, 광자 하이브리드 양자-고전 신경망(PHQNN)의 하드웨어 네이티브 정규화기로 활용할 수 있는지 연구했어요.
Iris, Digits, MNIST 데이터셋에 대해 Perceval 시뮬레이터를 활용, 물리적 노이즈 모델을 직접 주입하고 유전 알고리즘으로 최적의 노이즈 구성을 탐색한 결과, Iris와 Digits에서는 소폭의 정확도 향상을 얻었지만 MNIST에서는 성능 저하가 나타났어요.
연구 결과, 물리적 노이즈는 데이터셋에 따라 Tikhonov-like 정규화 효과를 유도하며, 모든 경우에 유용한 정규화 기법은 아니라는 점을 확인했어요.