양자 이미지 처리(quantum image processing)에서 고전 이미지 데이터를 양자 상태로 인코딩하는 과정의 회로 복잡도를 낮추는 새로운 방법이 제안됐다. 연구팀은 슈미트 분해(Schmidt decomposition) 기반 저랭크 상태 근사 기법을 활용해 FRQI(유연한 양자 이미지 표현) 모델에서 회로 깊이를 97% 줄이면서도 거의 완벽한 이미지 복원 품질을 유지하는 데 성공했다.
양자 이미지 처리의 핵심 첫 단계는 고전 이미지 데이터를 양자 상태로 변환하는 인코딩이다. FRQI, QPIE(양자 확률 이미지 인코딩), NEQR(향상된 양자 표현) 등 기존 방법들은 실제 양자 하드웨어에서 구동하면 게이트 수가 급격히 증가하고 회로 깊이가 깊어져, NISQ(잡음이 있는 중간 규모 양자) 장치에서는 실용적으로 사용하기 어렵다는 한계가 있었다. 연구팀이 적용한 저랭크 근사는 양자 상태의 얽힘 구조에서 가장 중요한 성분만 보존해 상태 준비를 효율화하는 방식이다.
세 가지 인코딩 방식을 원본 형태와 저랭크 근사 적용 형태로 비교해 회로 깊이, CNOT 게이트 수, 평균 제곱 오차(MSE), 복원 이미지 시각 품질 측면에서 평가했다. FRQI 모델은 저랭크 근사 적용 시 회로 깊이가 97% 줄어들면서 MSE 약 0.27이라는 거의 완벽한 복원 품질을 달성했다. 이 결과는 정확도와 자원 효율성 사이에서 의미 있는 절충점이 존재함을 보여주며, 근시일 양자 하드웨어에서 실용적인 양자 이미지 처리를 위한 저랭크 기법의 잠재력을 확인시켜 준다.
양자 컴퓨팅과 AI·이미지 처리의 교차 영역은 아직 초기 단계지만, NISQ 장치의 실용적 활용을 위한 회로 최적화 연구는 중장기 양자 AI 발전의 기초 작업으로 주목받고 있다. 이번 연구는 얽힘 구조 기반 압축이 양자 이미지 인코딩의 효율화에 효과적인 경로임을 실증했다는 점에서 이 분야의 발전에 기여할 것으로 평가된다.
