$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

양자 컴퓨터 기술 트렌드 예측과 분석
Trend Forecasting and Analysis of Quantum Computer Technology 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.31 no.3, 2022년, pp.35 - 44  

차은주 (아주대학교 경영학과 Management Science & Operations Management) ,  장병윤 (아주대학교 국제대학원)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 양자 컴퓨터 관련 기술 트렌드 분석과 예측을 수행한다. 기존 양자 컴퓨터 기술 분석 관련 연구는 주로 기술 특징을 중심으로 응용 가능 분야에 집중되었다. 본 논문은 시장 중심의 기술 분석과 예측을 위하여 양자 컴퓨터 관련 국내 뉴스 기사를 기반으로 중요하게 다뤄지는 양자 컴퓨터 기술들을 분석하고 미래신호 감지와 예측을 수행한다. 뉴스 기사에서 사용된 단어들을 분석하여 빠르게 변화하는 시장의 변화와 대중의 관심사를 파악한다. 본 논문은 Cha & Chang (2022) 컨퍼런스 발표 자료를 확장했다. 연구는 2019년부터 2021년까지의 국내 뉴스 기사를 수집하여 진행된다. 먼저, 텍스트 마이닝을 통해 주요 키워드를 정리한다. 다음으로, Term Frequency - Inverse Document Frequency(TF-IDF), Key Issue Map(KIM), Key Emergence Map(KEM) 등의 분석을 통해 양자컴퓨터관련 기술을 탐색한다. 마지막으로, 랜덤포레스트, 의사결정나무, 연관분석 등을 통해 미래기술들과 수요 및 공급의 연관성을 파악한다. 연구결과 빈도분석, 키워드 확산도 및 가시성 분석에서 모두 AI의 관심도가 가장 높게 나타났다. 사이버보안의 경우 시간이 지날수록 뉴스기사에서 언급되는 비율이 다른 기술에 비해 압도적으로 높게 나타났다. 또한 양자통신, 내성암호, 증강현실 역시 관심도의 증가율이 높게 나타났다. 따라서 이를 트렌드 기술의 적용에 대한 시장의 기대가 높음을 알 수 있다. 본 연구의 결과는 양자컴퓨터 시장의 관심 분야 파악과 기술 투자 관련 대응체계 구축에 응용될 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study, we analyze and forecast quantum computer technology trends. Previous research has been mainly focused on application fields centered on technology for quantum computer technology trends analysis. Therefore, this paper analyzes important quantum computer technologies and performs futur...

주제어

#양자컴퓨터   #미래신호   #약신호   #트렌드   #뉴스데이터  

표/그림 (14)

참고문헌 (36)

  1. Ain, Q. T., Ali, M., Riaz, A., Noureen, A., Kamran, M., Hayat, B., & Rehman, A. (2017). Sentiment analysis using deep learning techniques: A review. International Journal of Advanced Computer Science and Applications, 8(6), 424. 

  2. Amjad, U., Jilani, T. A., Tariq, H., & Hussain, A. (2018). A quantum based evolutionary algorithm for stock index and bitcoin price forecasting. International Journal of Advanced Computer Science and Applications, 9(9), 123-132. 

  3. Bennett, C. H., Bernstein, E., Brassard, G., & Vazirani, U. (1997). Strengths and weaknesses of quantum computing. SIAM Journal on Computing, 26(5), 1510-1523. 

    상세보기

  4. Berta, M., Christandl, M., Colbeck, R., Renes, J. M., & Renner, R. (2010). The uncertainty principle in the presence of quantum memory. Nature Physics, 6(9), 659-662. 

    상세보기

  5. Boukes, M., Van de Velde, B., Araujo, T., & Vliegenthart, R. (2020). What's the tone? easy doesn't do it: Analyzing performance and agreement between offthe-shelf sentiment analysis tools. Communication Methods and Measures, 14(2), 83-104. 

    상세보기

  6. Cha, E., & Chang, B.-Y. (2022). Forecasting and Trend Analysis of Quantum Computer Technology. Proceedings of the Korea Society for Simulation. 

  7. Cohen, E. L. (2002). Online journalism as market-driven journalism. Journal of broadcasting & Electronic media, 46(4), 532-548. 

    상세보기

  8. Dadgar, S. M. H., Araghi, M. S., & Farahani, M. M. (2016). A novel text mining approach based on TF-IDF and Support Vector Machine for news classification. In 2016 IEEE International Conference on Engineering and Technology (ICETECH) (pp. 112-116). IEEE. 

  9. Gartner. (2021). Top strategic technology trends for 2022. Retrieved from https://www.gartner.com/en/information-technology/insights/top-technology-trends 

  10. Gill, S. S., Kumar, A., Singh, H., Singh, M., Kaur, K., Usman, M., & Buyya, R. (2022). Quantum computing: A taxonomy, systematic review and future directions. Software: Practice and Experience, 52(1), 66-114. 

    상세보기

  11. Godbole, S., Bhattacharya, I., Gupta, A., & Verma, A. (2010). Building re-usable dictionary repositories for real-world text mining. Paper presented at the Proceedings of the 19th ACM International Conference on Information and Knowledge Management, 1189-1198. 

  12. Hallin, D. C. (1992). Sound bite news: Television coverage of elections, 1968-1988. Journal of communication, 42(2), 5-24. 

    상세보기

  13. Hiltunen, E. (2008). The future sign and its three dimensions. Futures, 40(3), 247-260. 

  14. Holopainen, M., & Toivonen, M. (2012). Weak signals: Ansoff today. Futures, 44(3), 198-205. 

  15. Hopwood, R. (2020). Supply chain: The quantum computing conundrum. Retrieved from https://www.supplychaindigital.com/logistics-1/supply-chainquantum-computing-conundrum 

  16. Izsak, R., Riplinger, C., Blunt, N. S., de Souza, B., Holzmann, N., Crawford, O., . . . Schopf, P. (2022). Quantum computing in pharma: A multilayer embedding approach for near future applications. arXiv Preprint arXiv:2202.04460, 

    상세보기 crossref

  17. Ji, Z., Natarajan, A., Vidick, T., Wright, J., & Yuen, H. (2021). Mip* re. Communications of the ACM, 64(11), 131-138. 

    상세보기

  18. Kapufunde, M. (2020). Quantum computing: Coming soon to your supply chain?. Retrieved from https://www.suuchi.com/quantum-computing-coming-soon-to-your-supply-chain/ 

  19. Kim, C. H., Kim, E. S., Choi, Y. J & Byun, J. E. (2017). A study on scientific research methodology for market-oriented R&D of SMEs. Proceedings of Korea Technology Innovation Society. 2017(11), 321-344.. 

  20. Kim, J. S., Kwon, E. J., & Song, T. M. (2014). A Study on Using Social Big Data for Expanding Analytical Knowledge - Domestic Big Data supply-demand expectation -. The Knowledge Management Society of Korea, 15(3), 169-188. 

  21. Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied linear statistical models (5th ed). McGraw-Hill Irwin. Boston. 

  22. Lloyd, S., Mohseni, M., & Rebentrost, P. (2013). Quantum algorithms for supervised and unsupervised machine learning. arXiv Preprint arXiv:1307.0411, 

  23. Mekhiel, N. (2020). Simple quantum computing with quantum bits decoupled in time and space implemented in silicon and coupled back as analog signals and waves processed by analog computer. Computer Engineering and Systems (ICCES), 2020 15th International Conference On, , 1-6. 

  24. Mezzacapo, A., Sanz, M., Lamata, L., Egusquiza, I. L., Succi, S., & Solano, E. (2015). Quantum simulator for transport phenomena in fluid flows. Scientific Reports, 5(1), 1-7. 

  25. Moller, M., & Vuik, C. (2017). On the impact of quantum computing technology on future developments in high-performance scientific computing. Ethics and Information Technology, 19(4), 253-269. 

    상세보기

  26. Na, S. T., Kim, J. H., Jung, M. H., & Ahn, J. E. (2016). Trend Analysis using Topic Modeling for Simulation Studies. The Korea Society for Simulation, 25(3), 107-116. 

  27. Nielsen, M. A., & Chuang, I. (2000). Quantum computation and quantum information. Cambridge : Cambridge University Press. 

  28. Outeiral, C., Strahm, M., Shi, J., Morris, G. M., Benjamin, S. C., & Deane, C. M. (2021). The prospects of quantum computing in computational molecular biology. Wiley Interdisciplinary Reviews: Computational Molecular Science, 11(1), e1481. 

    상세보기

  29. Park, C., & Cho, S. (2017). Future sign detection in smart grids through text mining. Energy Procedia, 128, 79-85. 

    상세보기

  30. Park, D. K., Petruccione, F., & Rhee, J. K. (2019). Circuit-based quantum random access memory for classical data. Scientific Reports, 9(1), 1-8. 

  31. Song, T. M. (2017). Social Big Data and Future Prediction with Machine Learning. Seoul : hannarae 

  32. Tang, D., Qin, B., & Liu, T. (2015). Deep learning for sentiment analysis: Successful approaches and future challenges. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 5(6), 292-303. 

  33. Tsai, C. (2012). Television news translation in the era of market-driven journalism. Meta: Journal des traducteurs/Meta: Translators' Journal, 57(4), 1060-1080. 

  34. Tseng, K. F. (2001). A content analysis of market-driven television news magazines: Commodification, conglomeration and public interest. [Doctoral dissertation, Michigan State University]. 

  35. Wind, Y. (1979). Marketing and the other business functions. Wharton School, University of Pennsylvania, Marketing Department. 

  36. Yoon, J. (2012). Detecting weak signals for long-term business opportunities using text mining of web news. Expert Systems with Applications, 39(16), 12543-12550. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로