인공지능과 양자 정보의 만남: 종합적인 개요

When AI meets quantum information: A comprehensive review

인공지능(AI)과 양자 정보(QI)는 빠르게 상호 진화하고 있습니다. AI는 양자 시스템을 학습, 설계, 제어 및 검증하는 실용적인 도구가 되고 있으며, QI는 AI를 위한 새로운 계산 모델, 표현 구조 및 학습 이론적 문제를 제공합니다. 본 논문은 이러한 상호작용을 양방향으로 살펴봅니다. 'AI for QI' 측면에서, 우리는 제한된 측정으로부터 정보를 추출하고, 양자 알고리즘을 훈련하고 발견하며, 노이즈가 많은 하드웨어를 안정화하고, 실험 및 프로그래밍 워크플로우를 자동화하고, 학습 기반 방법을 센서 및 네트워크로 확장하는 핵심 과제를 중심으로 최근의 발전을 정리합니다. 'QI for AI' 측면에서, 우리는 양자 컴퓨팅과 양자 영감 구조가 알고리즘 속도 향상, 표현력, 훈련 가능성, 일반화, 신경망 설계 및 텐서 네트워크 표현을 통해 학습에 미치는 영향을 조사합니다. 마지막으로, 재현성, 확장성, 하드웨어 현실성 및 공존 설계 측면의 중요한 과제를 제시하며, 이러한 발전은 이론, 실험 및 양자-고전 시스템의 긴밀한 통합에 달려 있음을 주장합니다.

Artificial intelligence (AI) and quantum information (QI) are rapidly co-evolving. AI is becoming a practical tool for learning, designing, controlling, and verifying quantum systems, while QI offers new computational models, representational structures, and learning-theoretic questions for AI. This survey reviews the interface from both directions. In the AI for QI direction, we organize recent progress around the central tasks of extracting information from limited measurements, training and discovering quantum algorithms, stabilizing noisy hardware, automating experimental and programming workflows, and extending learning-based methods to sensing and networking. In the QI for AI direction, we examine how quantum computation and quantum-inspired structures affect learning through algorithmic speedups, expressivity, trainability, generalization, neural-network design, and tensor-network representations. We close by identifying cross-cutting challenges in reproducibility, scalability, hardware realism, and co-design, arguing that progress will depend on tighter integration of theory, experiment, and hybrid quantum--classical systems.