PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2509.10756v4quant-ph

신경망 앙상블을 이용한 연속 측정 데이터 기반 불확실성 정량화 수반 양자 매개변수 추정

Quantum parameter estimation with uncertainty quantification from continuous measurement data using neural network ensembles

본 논문에서는 딥 앙상블(deep ensemble)이라 불리는 심층 신경망(deep neural network) 앙상블을 활용하여 양자 매개변수 추정(quantum parameter estimation)을 수행하는 동시에, 매개변수 추정치에 대한 불확실성을 정량화할 수 있는 수단을 제공함을 보인다. 이는 매개변수 추정에 베이즈 추론(Bayesian inference)을 사용할 때 얻을 수 있는 핵심적인 이점이나, 기존 머신러닝 기법을 사용할 경우 소실되었던 부분이다. 정확한 매개변수 추정과 잘 보정된(well-calibrated) 불확실성 추정치 모두를 위해 최적화하더라도, 정확도만을 위해 최적화하는 것에 비해 매개변수 추정 성능이 저하되지 않음을 입증한다. 또한 이러한 앙상블 모델의 드리프트 감지 능력을 활용하여 추론 중 사용되는 실험 데이터의 드리프트를 감지할 수 있음을 보인다. 아울러 이 접근 방식은 가능도 기반(likelihood-based) 및 가능도 무관(likelihood-free) 베이즈 추론보다 훨씬 빠른 추론 시간을 제공함을 확인하였다. 이러한 결과는 본 모델들이 불확실성이 정량화된 정확한 실시간 매개변수 추정을 가능하게 하여, 실험 환경 배치를 위한 유망한 후보가 될 수 있음을 시사한다.