論文の概要: Quantum Variational Rewinding for Time Series Anomaly Detection

• arxiv url: http://arxiv.org/abs/2210.16438v2
• Date: Wed, 2 Nov 2022 22:58:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-21 05:19:44.771191
• Title: Quantum Variational Rewinding for Time Series Anomaly Detection
• Title（参考訳）: 時系列異常検出のための量子変分巻き戻し
• Authors: Jack S. Baker, Haim Horowitz, Santosh Kumar Radha, Stenio Fernandes, Colin Jones, Noorain Noorani, Vladimir Skavysh, Philippe Lamontangne, Barry C. Sanders
• Abstract要約: 時系列異常検出(TAD)のための新しいアルゴリズムが要求されている。 新たにアクセス可能な量子処理ユニット(QPU)の出現に伴い、TADに対する量子アプローチの探索が重要になった。 我々のアプローチ - Quantum Variational Rewinding - パラメータ化されたユニタリ時間進化演算子の族を訓練し、量子状態に符号化された通常の時系列インスタンスをクラスタ化する。 単純で道理的なケースで最初のデモを行った後、QVRは暗号市場データにおける異常な振る舞いを識別する真の問題を研究するために使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electron dynamics, financial markets and nuclear fission reactors, though seemingly unrelated, all produce observable characteristics evolving with time. Within this broad scope, departures from normal temporal behavior range from academically interesting to potentially catastrophic. New algorithms for time series anomaly detection (TAD) are therefore certainly in demand. With the advent of newly accessible quantum processing units (QPUs), exploring a quantum approach to TAD is now relevant and is the topic of this work. Our approach - Quantum Variational Rewinding, or, QVR - trains a family of parameterized unitary time-devolution operators to cluster normal time series instances encoded within quantum states. Unseen time series are assigned an anomaly score based upon their distance from the cluster center, which, beyond a given threshold, classifies anomalous behavior. After a first demonstration with a simple and didactic case, QVR is used to study the real problem of identifying anomalous behavior in cryptocurrency market data. Finally, multivariate time series from the cryptocurrency use case are studied using IBM's Falcon r5.11H family of superconducting transmon QPUs, where anomaly score errors resulting from hardware noise are shown to be reducible by as much as 20% using advanced error mitigation techniques.
• Abstract（参考訳）: 電子力学、金融市場、核分裂炉は無関係のように見えるが、すべてが時間とともに進化する観測可能な特性を生み出している。 この範囲内では、通常の時間的行動からの離脱は学術的に興味深いものから破滅的なものまで様々である。 そのため、時系列異常検出(TAD)のための新しいアルゴリズムが要求されている。 新たにアクセス可能な量子処理ユニット(QPU)の出現に伴い、TADに対する量子アプローチの探索が重要となり、この研究のトピックとなっている。 我々のアプローチquantum variational rewinding(qvr)は、パラメータ化されたユニタリ時変演算子のファミリーを訓練して、量子状態内でエンコードされた正規時系列インスタンスをクラスタ化する。 未知の時系列は、クラスタ中心からの距離に基づいて異常スコアが割り当てられ、与えられたしきい値を超えて異常な振る舞いを分類する。 シンプルでディダクティックなケースを使った最初のデモンストレーションの後、qvrは暗号通貨市場データの異常な振る舞いを識別する実際の問題を研究するために使用される。 最後に、暗号通貨のユースケースから得られた多変量時系列を、IBMのFalcon r5.11Hファミリーの超伝導トランスモンQPUを用いて研究し、ハードウェアノイズによる異常スコアエラーを、高度なエラー軽減技術を用いて最大20%再現可能であることを示した。

関連論文リスト

• Dynamical simulations of many-body quantum chaos on a quantum computer [3.731709137507907]
  本稿では,二元一元回路として知られる最大カオス回路のクラスについて検討する。 91量子ビットの超伝導量子プロセッサは、これらの相関子を正確にシミュレートできることを示す。 次に、回路を二重ユニタリ点から遠ざけることによって、正確な検証以上のダイナミクスを探索する。
  論文  参考訳（メタデータ） (2024-11-01T17:57:13Z)
• Applying Quantum Autoencoders for Time Series Anomaly Detection [1.4732811715354452]
  異常検出は、不正検出、パターン認識、医療診断など、様々な分野の応用において重要な問題である。 本稿では,量子オートエンコーダの時系列異常検出への応用について検討する。
  論文  参考訳（メタデータ） (2024-10-05T13:29:25Z)
• Qsco: A Quantum Scoring Module for Open-set Supervised Anomaly Detection [5.931953711154524]
  複雑なデータ構造を扱う量子コンピューティングの最近の進歩と機械学習モデルの改善は、異常検出手法におけるパラダイムシフトを先導している。 本研究では、量子変動回路をニューラルネットワークに埋め込み、不確実性やラベルなしデータを扱う際のモデルの処理能力を向上する量子スコーリングモジュール(Qsco)を提案する。
  論文  参考訳（メタデータ） (2024-05-25T22:37:43Z)
• Quantum error mitigation for Fourier moment computation [49.1574468325115]
  本稿では、超伝導量子ハードウェアにおける核効果場理論の文脈におけるフーリエモーメントの計算に焦点を当てる。 この研究は、制御反転ゲートを用いたアダマール試験にエコー検証と雑音再正規化を統合した。 ノイズモデルを用いて解析した結果,2桁のノイズ強度が顕著に低下することが判明した。
  論文  参考訳（メタデータ） (2024-01-23T19:10:24Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Exploring Unsupervised Anomaly Detection with Quantum Boltzmann Machines in Fraud Detection [3.955274213382716]
  EDR(Restricted Detection and Response)における異常検出は、大企業のサイバーセキュリティプログラムにおいて重要な課題である。 この問題に対する古典的な機械学習アプローチは存在するが、悪質な異常と悪質な異常を区別する際の不満足なパフォーマンスをしばしば示している。 現在使われている機械学習技術よりも優れた一般化を実現するための有望なアプローチは量子生成モデルである。
  論文  参考訳（メタデータ） (2023-06-08T07:36:01Z)
• A Quantum Optical Recurrent Neural Network for Online Processing of Quantum Times Series [0.7087237546722617]
  量子光リカレントニューラルネットワーク(QORNN)は,量子チャネルの伝送速度を高めることができることを示す。 また、同モデルが不要であれば、同様のメモリ効果に対処できることも示している。 我々は、この最後のタスクの小さなバージョンをフォトニックプロセッサのBorealis上で実行します。
  論文  参考訳（メタデータ） (2023-05-31T19:19:25Z)
• Robust Extraction of Thermal Observables from State Sampling and Real-Time Dynamics on Quantum Computers [49.1574468325115]
  我々は、状態の密度、特にその非負性性に制約を課す手法を導入し、この方法で、ノイズのある時系列からボルツマン重みを確実に抽出できることを示す。 本研究により,今日の量子コンピュータにおける時系列アルゴリズムの実装により,多体量子系の有限温度特性の研究が可能となった。
  論文  参考訳（メタデータ） (2023-05-30T18:00:05Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。