양자상태의 얽힘을 양으로 나타낼 수 있는 방법들에 대하여 기술하였다. 두 부분으로 구성된 순수 양자상태는 쉽게 얽힘을 판별할 수 있는 방법을 알 수 있으나 혼합된 형태의 양자상태는 양자 얽힘을 판별하기가 어렵다. 일반적으로 부분이 많아지는 경우에 대해서는 순수 상태도 그 판별을 하는 것이 어렵다고 알려져 있으나 이 논문에서 그 방법을 제시하고 혼합 상태로의 적용에 대하여 논의한다.
본고에서는 양자역학 기반의 기계학습인 양자 기계학습의 현황과 전망을 조망하고자 한다. 양자역학 기반의 양자컴퓨팅이 보여준 혁신적인 계산속도 개선에 힘입어 기계학습 분야에 양자컴퓨팅 알고리즘을 적용하는 연구는 빅데이터 시대의 도래에 따라 최근 집중적인 관심을 받고 있다. 고전적인 기계학습 알고리즘들에 양자컴퓨팅을 접목하여 획기적인 속도개선을 가능하게 하는 알고리즘 연구들과 최초의 상용 양자컴퓨터로 화제가 되고 있는 양자 담금질 알고리즘 등을 중심으로 양자 기계학습의 최신동향과 가능성을 살펴보고자 한다.