Research and development field
연구개발분야
단계별 개발내용
| 1단계 개발내용 | 추진일정 | 책임자 (소속기관) |
||
|---|---|---|---|---|
| 1차년도 | 2차년도 | |||
| 연구 | 양자-AI 기술 개념 정립·지형 분석 및 공통 프레임워크 정의 | 기술 지형 분석, Q-for-AI·AI-for-Q 개념/범위/ 연계 구조 정립, 평가 관점 초안 | 접근방식 비교(양자-네이티브/ 하이브리드/quantum-inspired), 공통 프레임워크·벤치마크 정식화 | 이창협 (한양대) |
| 2단계 개발내용 | 추진일정 | 책임자 (소속기관) |
||||
|---|---|---|---|---|---|---|
| 1차년도 | 2차년도 | 3차년도 | 4차년도 | |||
| 연구 | Quantum-for-AI·AI-for- Quantum 핵심기술 구현 및 시뮬레이션/ 하드웨어 검증 | 핵심 알고리듬/모델 설계·구현 착수, 시뮬레이터 기반 1차 검증 | 제한적 하드웨어/노이즈 고려 검증 시작, 특정 문제군 중심 성능/ 확장성 평가 | 효율성·안정성· 일반화 정밀 검증, 개선 반복 (설계-실험 루프) | 문제군 확장, 통합 프레임워크 성숙, 재현성/ 표준화 강화 | 이창협 (한양대) |
| 3단계 개발내용 | 추진일정 | 책임자 (소속기관) |
||
|---|---|---|---|---|
| 1차년도 | 2차년도 | |||
| 연구 | 현장 적용 시나리오 개발 기반 양자-AI 기술 고도화·안정화 | 검증 기술 고도화/안정화, 현장 적용 시나리오 개발, 운용 체계 설계 | 현장 적용형 연구 체계 완성, 지속 확장(운영·업데이트) 구조 확립 | 이창협 (한양대) |
| 세부 | 연구내용 | 분야 |
|---|---|---|
| 세부1 (혁신도약형) | 양자‑Inspired AI 모델
양자역학의 중첩(superposition), 얽힘(entanglement) 등 양자적 원리를 모사하여 기존 AI 모델의 표현력과 학습 효율을 향상시키는 새로운 인공지능 모델을 개발한다. 또한 양자역학적 개념을 반영한 혁신적 AI 아키텍처를 제안함으로써 기존 AI의 성능 한계를 극복하고 새로운 AI 패러다임을 제시하는 것을 목표로 한다. |
Quantum‑for‑AI |
| 세부2 (혁신도약형) | 생성형 양자-AI 모델 개발
생성형 AI와 양자 하드웨어 기술을 융합하여 차세대 생성형 AI 모델의 구조 및 학습 방법론을 연구·개발한다. 양자 하드웨어 기반 표현 및 샘플링 기법을 활용하여 생성 성능과 학습 효율을 극대화하고, 미래 생성형 AI를 위한 핵심 원천기술을 확립하는 것을 목표로 한다. |
Quantum-for-AI |
| 세부3 | AI 기반 양자회로 및 알고리즘 최적화
인공지능 기술을 활용하여 양자회로 설계와 양자알고리즘의 성능을 자동으로 최적화하는 기술을 개발한다. 회로 깊이 감소, 게이트 수 최소화, 실행 효율 향상 등을 통해 NISQ 및 FTQC 환경에서 양자 컴퓨팅 자원의 활용도를 극대화하는 것을 목표로 한다. |
AI‑for‑Quantum |
| 세부4 | AI 기반 양자 오류 측정 및 정정 기술 고도화
양자컴퓨터의 신뢰성 확보를 위해 양자 오류의 탐지·예측·보정 기술을 개발한다. 머신러닝 기반 오류 분석 및 디코딩 기법을 활용하여 오류 정정 성능을 고도화하고, 대규모 양자컴퓨팅 구현을 위한 핵심 기반기술을 확보하는 것을 목표로 한다. |
AI‑for‑Quantum |
| 세부5 | 양자‑AI 기반 응용문제 해결
양자컴퓨팅과 AI의 융합 기술을 활용하여 산업 및 사회 전반의 고난도 문제를 해결하는 응용기술을 개발한다. 신약 개발, 신소재 탐색, 제조·물류 최적화, 금융 분석 등 다양한 분야에서 양자‑AI 기술의 성능을 검증하고 혁신적 활용 사례를 창출하는 것을 목표로 한다. |
Applications |