무선 네트워크의 복잡성이 증가함에 따라 확장 가능한 자원 관리가 요구된다. 고전적 GNN은 그래프 학습에서 뛰어난 성능을 보이지만 대규모 환경에서는 높은 계산 비용을 수반한다. 본 연구에서는 매개변수화 양자 회로(Parameterized Quantum Circuits, PQCs)를 통해 메시지 전달을 구현하는 완전 양자 그래프 신경망(Quantum Graph Neural Network, QGNN)을 제안한다. 우리의 양자 그래프 합성곱 계층(Quantum Graph Convolutional Layers, QGCL)은 특징을 양자 상태에 인코딩하고, NISQ 호환 유니터리로 그래프를 처리하며, 측정을 통해 임베딩을 회수한다. SINR 최대화를 위한 D2D 전력 제어에 적용한 결과, 본 QGNN은 더 적은 매개변수로 고전적 성능과 유사한 성능을 달성하며, 내재된 병렬성을 보인다. 이러한 종단 간 PQC 기반 GNN은 양자 가속 무선 최적화로의 한 단계를 의미한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.